Saya merekomendasikan artikel Rob Hyndman 1996 "Komputasi dan Grafik Wilayah Kepadatan Tertinggi" di The American Statistician . Berikut adalah definisi HDR, yang diambil dari artikel itu:
Biarkan menjadi fungsi kepadatan dari variabel acak . Maka
HDR adalah subset dari ruang sampel sedemikian rupa sehingga
mana adalah konstanta terbesar sehingga
X 100 ( 1 - α ) % R ( f α ) X R ( f α ) = { x : f ( x ) ≥ f α } , f α P ( X ∈ R ( f α ) ) ≥ 1 - α .f( x )X100 ( 1 - α ) %R ( fα)X
R ( fα) = { x : f( x ) ≥ fα} ,
fαP( X∈ R ( fα) ) ≥ 1 - α .
Gambar 1 dari artikel tersebut menggambarkan perbedaan antara 75% HDR (jadi ) dan berbagai Daerah Kemungkinan 75% lainnya untuk campuran dua normals ( adalah -th, mean dan yang standar deviasi dari kepadatan):c q q μ σα = 0,25cqqμσ
Gagasan dalam satu dimensi adalah untuk mengambil garis horizontal dan menggesernya ke atas (ke ) sampai area di atasnya dan di bawah kepadatan adalah . Maka HDR adalah proyeksi ke sumbu area ini.y= fα1 - αRαx
Tentu saja, semua ini bekerja dengan kepadatan apa pun, baik posterior Bayesian atau lainnya.
Berikut ini tautan ke kode R, yang merupakan hdrcde
paket (dan ke artikel di JSTOR).