模式识别-第4讲-概率密度函数的估计.pptVIP

样本中包含着总体的信息，我们希望通过样本集把有关信息抽取出来，就是说针对不同要求构造出样本的某种函数 似然函数l（theta）给出了从总体中抽出x1，x2，。。。，xN这样N个样本的概率 * 　　无偏估计是参数的样本估计值的期望值等于参数的真实值。 　　估计量的数学期望等于被估计参数，则称此为无偏估计。 　　设A=g(X1,X2,...,Xn)是未知参数A的一个点估计量，若A满足 　　E(A）= A 　　则称A为A的无偏估计量，否则为有偏估计量。 * 样本集K={x1,x2,…,xN}求出mu和sigma^2的最大似然估计 均值估计是无偏的，协方差矩阵估计（1）是有偏的。 协方差矩阵（2）的估计是无偏的。 理学院，计算机学院，专升本第5次课结束！ * 期望：反映均值 方差：随机变量与期望的偏离程度 * * * 专升本，计算机，理学院第6次课结束！ * Bayes估计的基本思想：所求得的 的估计值 应使估计损失的期望最小，这种使 或等价地使 取最小值的 的估计值 称为 的Bayes估计。对于 不同的 ，可得到不同的最佳Bayes估计。 这里假定损失函数为平方误差，即 结论: 的贝叶斯估计量 是在给定H时 的条件期望。 由于