非参数估计
标签(空格分隔): 模式分类
@author lancelot-vim
概率密度的估计
估计未知概率密度的一个基本事实是:一个向量x⃗ 落在区域R中的概率为:P=∫Rp(x′)dx′,因此P是概率密度p(x)取了平滑的版本,所以,我们可以根据概率P来估计密度函数p.
假设n个样本x1,x2, ... ,xn都是根据概率密度函数p(x)独立同分布抽样得到的,显然,其中k个样本落在区域R中的概率服从二项分布:Pk=(nk)Pk(1−P)n−k
那么k的期望为:
本文介绍了非参数估计中的概率密度估计原理,通过样本落在特定区域的概率来估算密度函数。讨论了当样本数量增加时,比值k/n作为概率估计的准确性。接着,讲解了Parzen窗方法,利用窗函数对样本进行统计,得出概率密度估计函数,特别提到了高斯窗函数在估计中的应用,展示了如何通过正态分布叠加形成密度估计。
标签(空格分隔): 模式分类
@author lancelot-vim
估计未知概率密度的一个基本事实是:一个向量x⃗ 落在区域R中的概率为:P=∫Rp(x′)dx′,因此P是概率密度p(x)取了平滑的版本,所以,我们可以根据概率P来估计密度函数p.
假设n个样本x1,x2, ... ,xn都是根据概率密度函数p(x)独立同分布抽样得到的,显然,其中k个样本落在区域R中的概率服从二项分布:Pk=(nk)Pk(1−P)n−k
那么k的期望为:
3313

被折叠的 条评论
为什么被折叠?