Ну, чтобы держать вещи коротким, что я хочу достичь, это сюжет, как право одного:участка с ядрами над отдельными наблюдениями в R
Я хотел бы получить стандарт График KDE с отдельными ядрами, построенный по наблюдениям.
Лучшим решением будет тот, который рассматривает все различные функции ядра (например, прямоугольные, треугольные и т. Д.).
Ну после прочтения этого Answer Мне удалось найти решение.
# Create some input data
x<-c(19, 20, 10, 17, 16, 13, 16, 10, 7, 18)
# Calculate the KDE
kde<-density(x,kernel="gaussian",bw=bw.SJ(x)*0.2)
# Calcualte the singel kernels/pdf's making up the KDE of all observations
A.kernel<-sapply(x, function(i) {density(i,kernel="gaussian",bw=kde$bw)},simplify=F)
sapply(1:length(A.kernel), function(i){A.kernel[[i]][['y']]<<-(A.kernel[[i]][['y']])/length(x)},simplify=F)
# Plot everything together ensuring the right scale (the area of the single kernels is corrected)
plot(kde)
rug(x,col=2,lwd=2.5)
sapply(A.kernel, function(i){
lines(i,col="red")}
)
Результат выглядит следующим образом: 
Что делает ядро над каждым наблюдением представляет? Какой-то показатель неопределенности? – mkt
Результат ядра - функция плотности вероятности (красные линии). KDE фактически состоит из «суммирования» этих ядер. Возможно, это [ссылка] (https://www.r-bloggers.com/exploratory-data-analysis-kernel-density-estimation-in-r-on-ozone-pollution-data-in-new-york-and -ozonopolis) помогает с пониманием – Deset
Ваш намек помог мне рассчитать единичные ядра, поэтому последнее, что я пропустил, - это привести два графика к одному масштабу, чтобы он мог по праву быть нанесен на один и тот же рисунок. Какие-нибудь идеи в отношении этого? – Deset