PR考试复习 第四章

   PR考试复习，刚好顺便整理一下。

贝叶斯估计，贝叶斯决策，它是个标准，评估的标准。
但是，用好它不容易，高维空间，估计出每个样本的概率密度分布不容易，


参数估计：
最大斯然估计，贝叶斯估计；前提，都是假设它是 正态分布，高斯分布。（ps:单值；不能处理多值情况）


但是如果，现实生活中它本身就不是正态分布,你这样估计就是不合理的。




非参数估计：（也可以处理多值）
可以用来估计条件概率密度（即似然），也可以直接用来估计后验。我们最重要的是介绍密度估计。




非参数估计：
优点：理论上，对任何数据都可以；可以用来估计似然，也可以直接用来估计后验。
      直观，直接编程。不需要先验的知识，不需要知道数据的分布的形式。（VS：参数估计，）


缺点：但是当 样本非常少时，估计的不准  （样本要足够多。）




最重要的是介绍密度估计。


首先从公式开始：（直接给出公式）
第四章：非参数估计（概率密度估计（即为似然估计）（重点），后验概率估计）




密度估计
记住黄线处。


点估计。
一个基本公式：p=k/n/v