判别分析 第二节.pptVIP

【定理】 且相应的密度函数为 ，损失为 时， 划分的贝叶斯解为 若总体G1，G2，?，Gk的先验概率为 其中 含义是：当抽取了一个未知总体的样品值x，要判别它属于哪个总体，只要先计算出k个按先验概率加权的误判平均损失 然后比较其大小，选取其中最小的，则判定样品属于该总体。 下面在k=2的情形下，计算作为例子，我们讨论。 由此可见，被积函数在D1是负数时，可使ECM最小，则有分划 Bayes判别准则为： 令 特别地，若 则 判给 。与标准Bayes判别等价 当错判概率 广义平方距离法 其中 定义样品X到总体Gi的广义平方距离为： 判别准则： * 两总体判别 简例1 :记二维正态总体N2(?(i),? )为Gi(i=1,2)(两总体协差阵相同),已知来自Gi(i=1,2)的样本数据阵为 (1) 试求两总体的样本组内离差阵A1, A2和合并样本协差阵S. (2) 今有样品x0 =(2,8)′,试问按马氏距离准则样品x0应判归哪一类. * (1)解: * 而且 * (2)解一:计算马氏距离 * (2)解二:计算线性判别函数W(X) * 简例2(简例1的续) :已知先验概率q1=0.4, q2=0.6,且