The kernel estimation method analyzes the data distribution by not using the prior knowledge of data distribution. This method avoids the impaction of model and parameters estimation.
核密度估计方法从数据样本本身出发研究数据分布特征，不利用有关数据分布的先验知识，避免了模型估计和参数估计的主观影响。
A nonparametric kernel estimation of the flood frequency with historic information is presented in this paper. The limitation in assuming a distribution type is overcome.
本文提出了在有历史洪水情况下洪水频率的非参数核估计方法，克服了现行方法假定分布型式的局限。
Considering the flaw of history simulation method, the paper adopts kernel estimation method to estimate parameters and their standard deviation, and then gives case analysis.
考虑到传统的历史模拟方法存在的缺点，采用基于核估计的历史模拟方法获得估计值及其置信区间，并用实例进行了分析。
The distributions are obtained by kernel estimation methods using a Gaussian kernel with the optimal bandwidth chosen using the method proposed in Silverman (1986).
西尔弗曼1986的研究提出的方法进行了最优宽度选择，进而通过高斯核心估计方法获得了这个分布。
The distributions are obtained by kernel estimation methods using a Gaussian kernel with the optimal bandwidth chosen using the method proposed in Silverman (1986).
西尔弗曼1986的研究提出的方法进行了最优宽度选择，进而通过高斯核心估计方法获得了这个分布。
应用推荐