Interpretazione / uso della densità del kernel

Questa potrebbe essere una domanda ingenua, ma qui va. Se ho un set di dati empirici e adatto ad esso una densità del kernel, e quindi ottengo un nuovo valore singolo che forse proviene dallo stesso processo che ha generato il set di dati originale, posso assegnare una probabilità che questo nuovo valore appartenga al set / processo semplicemente leggendo il valore dall'asse y in cui il nuovo valore sull'asse x interseca la linea di densità del kernel e si divide per l'area sotto la linea di densità?

No , temo di no. La stima della densità del kernel è la funzione di densità di probabilità . Il valore y è una stima della densità di probabilità a quel valore di x , quindi l'area sotto la curva tra x ₁ e x ₂ stima la probabilità della variabile casuale X che   cade tra x ₁ e x ₂ , supponendo che Xè stato generato dallo stesso processo che ha generato i dati che hai inserito nella stima della densità del kernel. La stima della densità del kernel non dice nulla sulla probabilità che un nuovo valore sia stato generato dallo stesso processo.