A. 如何用MATLAB進行核密度估計
該圖看的不是很清晰，不過隱約能看到編程代碼出錯
首先調整裡面的標點符號（英文狀態下的標點符號，尤其是逗號）
其次，再查詢一下邏輯是否正確（如果邏輯沒有問題，在MATLAB中
的這個命令語是是否正確。如果可以，清晰打出來……
B. 什麼是核密度估計如何感性認識
語言與非參數統計（核密度估計）核密度估計是在概率論中用來估計未知的密度函數，屬於非參數檢驗方法之一，由Rosenblatt ()和Enuel Parzen()提出，又名Parzen窗（Parzen window）。
C. 怎麼用stata做核密度估計
kernel命令即可
D. 如何用r軟體做自適應核密度估計
如今移動互聯網隨著3G的普及，越來越火爆，更多需求跟隨而來！APP應用市場和APP應用數量成倍成倍的增長！從而給移動互聯網帶來新的挑戰！ 移動設備正超過桌面設備，成為訪問互聯網的最常見終端。
E. Arcgis如何正確計算核密度
這要看你的高程數據的質量，如果質量較高，等高線非常密集，那麼分析出來的TIN和DEM，其數據差距是很小，那麼用哪個來生成坡度圖都是差不多，但是如果等高線密度不夠，用TIN生成的坡度和用DEM生成的坡度就不一樣了，因為TIN可以認為是一種矢量數據，而DEM是通過TIN加入了計算機的判斷和數據插值而形成的柵格數據，而坡度圖是在計算機插值的基礎上生成的，自然跟用TIN直接生成的坡度圖是有差距的。
F. 怎麼用r語言寫核密度估計函數的程序
R語言實際上是函數的集合，用戶可以使用base，stats等包中的基本函數，也可以自己編寫函數完成一定的功能。但是初學者往往認為編寫R函數十分困難，或者難以理解。這里對如何編寫R函數進行簡要的介紹。
函數是對一些程序語句的封裝。換句話說，編寫函數，可以減少人們對重復代碼書寫，從而讓R腳本程序更為簡潔，高效。同時也增加了可讀性。一個函數往往完成一項特定的功能。例如，求標准差sd,求平均值，求生物多樣性指數等。R數據分析，就是依靠調用各種函數來完成的。但是編寫函數也不是輕而易舉就能完成的，需要首先經過大量的編程訓練。特別是對R中數據的類型，邏輯判別、下標、循環等內容有一定了解之後，才好開始編寫函數。 對於初學者來說，最好的方法就是研究現有的R函數。因為R程序包都是開源的，所有代碼可見。研究現有的R函數能夠使編程水平迅速提高。
R函數無需首先聲明變數的類型，大部分情況下不需要進行初始化。一個完整的R函數，需要包括函數名稱，函數聲明，函數參數以及函數體幾部分。
函數名稱，即要編寫的函數名稱，這一名稱就作為將來調用R函數的依據。
2. 函數聲明，包括 <- function, 即聲明該對象的類型為函數。
3. 函數參數，這里是輸入的數據，函數參數是一個虛擬出來的一個對象。函數參數所等於的數據，就是在函數體內部將要處理的值，或者對應的數據類型。 函數體內部的程序語句進行數據處理，就是對參數的值進行處理 ，這種處理只在調用函數的時候才會發生。函數的參數可以有多種類型。R help的界面對每個函數，及其參數的意義及所需的數據類型都進行了說明。
4. 函數體
常常包括三部分.
（1）. 異常處理
輸入的數據不能滿足函數計算的要求，或者類型不符， 這時候一定要設計相應的機制告訴用戶，輸入的數據在什麼地方有錯誤。 錯誤又分為兩種。
第一種， 如果輸入的數據錯誤不是很嚴重，可以經過轉換，變為符合處理要求的數據時， 此時只需要給用戶一個提醒，告知數據類型不符，但是函數本身已經 進行了相應的轉換。
第二種，數據完全不符合要求，這種情況下，就 要終止函數的運行，而告知因為什麼，函數不能運行。這樣，用戶在 使用函數的情況先才不至於茫然。
（2）. 運算過程
包括具體的運算步驟。 運算過程和該函數要完成的功能有關。
R運算過程中，應該盡量減少循環的使用，特別是嵌套循環。R提供了 apply，replicate等一系列函數，來代替循環，應該盡量應用這些函數， 提高效率。 如果在R中實在太慢，那麼核心部分只能依靠C或者Fortran 等語言編寫，然後再用R調用這些編譯好的模塊，達到更高的效率。
運算過程中，需要大量用到if等條件作為判別的標准。if和while都是需要數據TRUE/FALSE這樣的邏輯類型變數，這就意味著，if內部，往往是對條件的判別，例如 is.na, is.matrix, is.numeric等等，或者對大小的比較，如，if(x > 0)， if(x == 1)， if(length(x)== 3)等等。if後面，如果是1行，則花括弧可以省略，否則就必須要將所有的語句都放在花括弧中。這和循環是一致的。
例子：
## if與條件判斷
fun.test <- function(a, b, method = "add"){
if(method == "add") { ## 如果if或者for/while；
res <- a + b ## 等後面的語句只有一行，則無需使用花括弧。
}
if(method == "subtract"){
res <- a - b
}
return(res) ## 返回值
}
### 檢驗結果
fun.test(a = 10, b = 8, method = "add")
fun.test(a = 10, b = 8, method = "substract")
G. 非參數核密度估計是用什麼軟體實現
語言與非參數統計（核密度估計）
核密度估計是在概率論中用來估計未知的密度函數，屬於非參數檢驗方法之一，由Rosenblatt (1955)和Emanuel Parzen(1962)提出，又名Parzen窗（Parzen window）。
H. 您好，想請教GIS核密度估計具體步驟，怎麼私信您呢
對,首先要把數據轉化平面坐標之後,然後進行核密度分析 具體分析參數請私信加我講給你吧!
I. 什麼是gis核密度計算
核密度估計（kernel density estimation）是在概率論中用來估計未知的密度函數，屬於非參數檢驗方法之一，由Rosenblatt (1955)和Emanuel Parzen(1962)提出，又名Parzen窗（Parzen window）。Ruppert和Cline基於數據集密度函數聚類演算法提出修訂的核密度估計方法。
100個正態分布的亂數的核密度估計
核密度估計在估計邊界區域的時候會出現邊界效應。
在單變數核密度估計的基礎上，可以建立風險價值的預測模型。通過對核密度估計變異系數的加權處理，可以建立不同的風險價值的預測模型。
一些比較常用的核函數是： 均勻核函數 k(x)=1/2,-1≤x≤1 加入帶寬h後： kh(x)=1/(2h),-h≤x≤h
三角核函數 k(x)=1-|x|,-1≤x≤1 加入帶寬h後： kh(x)=(h-|x|)/h^2,-h≤x≤h
伽馬核函數 kxi(x)=[x^(α-1)exp{-xα/xi}]/[(xi/α)^α.Γ(α)]
gis中的密度分析，分為核密度分析，點密度分析和線密度分析。通過密度分析，我們可以講測量的來的點或者線生成連續表面，從而可以找出那些地方點或者線比較集中。也就是，密度分析是根據輸入要素數據計算整個區域的數據聚集狀況。密度分析是通過離散點數據或者線數據進行內插的過程，根據插值原理不同，主要是分為核密度分析和普通的點\線密度分析。核密度分心中，落入搜索區的點具有不同的權重，靠近搜索中心的點或線會被賦予較大的權重，反之，權重較小，它的計算結果分布較平滑。在普通的點\線密度分析中，落在搜索區域內的點或線有相同的權重，先對其求和，再除以搜索區域的大小，從而得到每個點的密度值。
J. 關於怎麼用mathematica做核密度估計
kernel density estimation是在概率論中用來估計未知的密度函數，屬於非參數檢驗方法之一，由Rosenblatt (1955)和Emanuel Parzen(1962)提出，又名Parzen窗（Parzen window）。
Ruppert和Cline基於數據集密度函數聚類演算法提出修訂的核密度估計方法。