1D核密度估计PDF比值：如何设置尾部边界？

你的问题本质是：默认的核密度估计（比如stats包的density()用的高斯核）是无界的，即使你设置了from和to，核函数依然会覆盖到边界外的区域，导致端点处密度不为0。结合你的需求（4周和16周无观测，后续要计算PDF比值和置换检验），有两种可靠的解决方法：

方法1：用ks包做有界核密度估计（统计上更严谨） #

如果你的数据取值范围明确是(4,16)（不可能出现4周前或16周后的观测），用专门的有界核密度工具更合适。ks包的kde()函数支持设置边界约束，自动让边界外的密度为0，同时保证边界内的密度积分严格为1，不用手动调整。

代码示例： #

# 先安装并加载ks包
install.packages("ks")
library(ks)

# 定义统一的x轴
common_x = seq(4, 16, by=0.02)

# 估计对照组的有界核密度，指定xmin=4、xmax=16
kde_ctrl = kde(x = control$week, xmin = 4, xmax = 16, h = 0.7)
# 把密度值插值到你的common_x上
pdf_ctrl = approx(kde_ctrl$eval.points[[1]], kde_ctrl$estimate, xout = common_x)

# 处理组做同样的操作
kde_treat1 = kde(x = treatment1$week, xmin = 4, xmax = 16, h = 0.7)
pdf1 = approx(kde_treat1$eval.points[[1]], kde_treat1$estimate, xout = common_x)

# 现在pdf_ctrl$y和pdf1$y在x=4、x=16处都是0，且整个区间内的密度积分是1

方法2：手动截断+归一化（用基础stats包实现） #

如果不想额外安装包，可以手动截断默认核密度的结果，但必须重新归一化——直接把端点设为0会破坏密度的归一性（积分不再是1），后续计算比值会出错。

代码示例： #

common_x = seq(4, 16, by=0.02)

# 先估计密度，范围稍微超出4和16，方便后续截断
pdf_ctrl_raw = density(control$week, bw=0.7, from=3.8, to=16.2, n=1000)
x_raw = pdf_ctrl_raw$x
y_raw = pdf_ctrl_raw$y

# 把x≤4或x≥16的密度值强制设为0
y_truncated = ifelse(x_raw <= 4 | x_raw >= 16, 0, y_raw)

# 用梯形法计算截断后的密度积分，用来做归一化
integral = sum(diff(x_raw) * (head(y_truncated, -1) + tail(y_truncated, -1)) / 2)
# 重新缩放密度，让[4,16]内的积分等于1
y_normalized = y_truncated / integral

# 插值到你的common_x上
pdf_ctrl = approx(x_raw, y_normalized, xout=common_x)

# 处理组重复相同步骤
pdf1_raw = density(treatment1$week, bw=0.7, from=3.8, to=16.2, n=1000)
x1_raw = pdf1_raw$x
y1_raw = pdf1_raw$y
y1_truncated = ifelse(x1_raw <=4 | x1_raw >=16, 0, y1_raw)
integral1 = sum(diff(x1_raw) * (head(y1_truncated, -1) + tail(y1_truncated, -1))/2)
y1_normalized = y1_truncated / integral1
pdf1 = approx(x1_raw, y1_normalized, xout=common_x)

重要提醒 #

• 不管用哪种方法，归一化都是必须的：核密度是概率密度函数，要求整个取值区间内的积分等于1，否则后续的PDF比值、置换检验结果都会失真。
• 做置换检验时，每个置换样本的密度估计都要遵循完全相同的规则（要么用ks包的有界估计，要么用手动截断归一化），保证统计量的计算一致性。

内容的提问来源于stack exchange，提问作者lmbradley