1．完成基于正态窗函数的 Parzen 窗法概率密度函数估计的 Matlab 程序编写， 并写出相应程序语句的文字说明； 2．选取 h1=0.25, 1.0, 4.0，分别在样本数 N=1, 16, 256, 1024, 4096 时画出原始概 率密度曲线和不同参数下估计的概率密度曲线。分析所得到概率密度曲线的变化 情况，说明 N、h1对概率密度函数估计的影响。 3.分析程序运行和实验中遇到的困难。

非参数校验，一个非参数校验的案例，SPSS分析

此matlab代码是parzen窗非参数估计概率密度函数的，以及parzen窗做分类器

用于参数辨识研究，可以对多参数的非线性函数进行拟合与参数识别

matlab非参数代码 robInfLib-matlab Robot Inference Library (robInfLib) provides various demos of using Kernelized Movement Primitives, which is maintained by Dr. Yanlong Huang (University of Leeds) Part of the codes are provided by Dr. João Silvério, Dr. Fares J. Abu-Dakka and Dr. Sylvain Calinon, which have been acknowledged in the corresponding files. 演示插图 内核化运动原语 I (demo_KMP01.m, ref. [1]) **使用 GMM/GMR 的模型字母“G”** **使用 KMP（均值）进行轨迹适应** 内核运动原语 II (demo_KMP02.m, ref. [2]) **使用 GMM/GMR 的模型字母“B”** **使用 K

代码执行两个尾 Mann-Kendall 检验，修改后考虑时间序列的自相关（Hamed 和 Rao，1998）。 对照趋势的替代，检验向量 V 中趋势缺失的零假设。 测试结果在 H = 1 中返回，表明在 alpha 显着性水平拒绝原假设。 H = 0 表示未能在 alpha 显着性水平上拒绝原假设。

3.非参数拟合 有时我们对拟合参数的提取或解释不感 兴趣，只想得到一个平滑的通过各数据点的 曲线，这种拟合曲线的形式称之为非参数拟 合。 非参数拟合的方法包括 （1）插值法Interpoants （2）平滑样条内插法Smoothing spline

一般信息 支持向量机（SVM）和相关的基于内核的学习算法是一类知名的机器学习算法，用于非参数分类和回归。 liquidSVM是SVM的实现，其主要功能是： 完全集成的超参数选择， 无论大小数据集，其速度都极高， ， ， ， 和绑定， 为专家提供充分的灵活性，以及 包括各种不同的学习场景： 多类别分类，ROC和Neyman-Pearson学习， 最小二乘，分位数和预期回归。 如有疑问和意见，请通过与我们联系。 您也可以在此处要求注册到我们的邮件列表。 liquidSVM已根据许可。 如果您需要其他许可证，请与联系。 命令行界面 命令行版本的。 Linux / OS X的终

标准化干旱分析工具箱 (SDAT) 提供了用于推导非参数标准化干旱指数的通用框架。 当前指标存在时间不一致和统计不可比性等缺陷。 不同的指标有不同的尺度和范围，它们的值不能直接相互比较。 大多数干旱指标依赖于拟合数据的代表性参数概率分布函数。 但是，参数分布函数可能不适合数据，尤其是在大陆/全球尺度研究中。 SDAT 基于非参数框架，可应用于不同的气候变量，包括降水、土壤湿度和相对湿度，而无需假设具有代表性的参数分布。 该框架最吸引人的特点是它导致基于不同变量的统计一致的干旱指标。 SDAT 可用于生成非参数标准化干旱指标，例如： - 标准化降水指数 (SPI)， - 标准化土壤水分指数 (SSI)， - 标准化径流指数 (SRI) - 标准化流量指数（SSFI）， - 标准化相对湿度指数 (SRHI)， - 标准化地下水位指数（SGI）， - 标准化地表水供应指数 (SSWSI)， -

直方图估计(不同窗宽的比较） 模拟数据来自N(0,1),样本量300，最优窗宽0.52 窗宽较小 最优窗宽