dd第一章：概率统计基础.pptVIP

第二部分：统计推断 Chp6：统计推断概述 Chp7：非参数推断 Chp8：Bootstrap Chp9：参数推断 Chp10：假设检验 Chp11：贝叶斯推断 Chp12：统计决策理论 Chp6：统计推断 统计推断/学习 利用数据来推断产生数据的分布的过程 统计推断的基本问题： 我们观测到数据 ，要推断（估计或学习）F 或 F 的某些性质（如均值和方差）。 参数模型 参数模型 可用有限个参数参数化，如 也可记为 一般形式 当 为向量，而我们只对其中一部分参数感兴趣，则其余参数称为冗余参量（nuisance parameters ） 非参数模型 非参数模型 粗略地说，非参数模型不能用有限个参数参数化 如 如 例：参数推断 6.1例（一维参数估计）设 是独立的Bernoulli(p)观测，问题在于如何估计参数p。 6.2例（二维参数估计）假设 且PDF ， 如 则有两个参数 。 目标是从数据中获得参数。如果仅对μ感兴趣，那么μ是感兴趣参数，而 σ 是冗余参量。 例：非参数推断 6.3例（CDF的非参数估计）设 是来自CDF F 的独立