В статистиці, я́дрова оці́нка густини́ розпо́ділу (англ. Kernel density estimation) — це непараметричний метод оцінки функції густини випадкової величини за вибіркою. Ядрова оцінка густини є важливою задачею згаладжування даних; при застосуванні методу судження щодо статистичних властивостей популяції здійснюється на базі скінченної вибірки. В деяких галузях (таких як обробка сигналів, економетрика) поряд з ядровою оцінкою густини використовують назву вікно Парцель-Розенблата, на честь Емануеля Парцена [en] та Мюрея Розенблата [en] , котрі незалежно один від одного створили метод в теперішньому його вигляді.
Нехай (x1, x2, …, xn) — вибірка н.о.р.в.в., отримана з деякого розподілу з невідомою густиною ƒ. Потрібно оцінити форму цієї функції ƒ. Ядрова оцінка цієї густини ƒ задається формулою
де K(·) — статистичне ядро — симетрична, але не обов'язково додатня функція з інтегралом рівним одиниці, h > 0 — параметр згладжування, який ще називають пропускно́ю зда́тністю.
Якщо використовується гаусівські ядрові функції для оцінки одновимірних даних і оцінювана базова густина є стандартною нормальною, тоді можна показати, що оптимальним значенням параметру згладжування, h, є
Таке наближення називається нормально розподілене наближення (або гаусівське наближення).