正态分布时的统计决策-read.docVIP

第3章 正态分布时的统计决策 在统计决策理论中，涉及到类条件概率密度函数。对许多实际的数据集，正态分布通常是合理的近似。如果在特征空间中的某一类样本，较多地分布在这一类均值附近，远离均值点的样本比较少，此时用正态分布作为这一类的概率模型是合理的。另外，正态分布概率模型有许多好的性质，有利于作数学分析。概括起来就是： 物理上的合理性 数学上的简单性 下面重点讨论正态分布分布及其性质，以及正态分布下的Bayes决策理论。 3.1 正态分布概率密度函数的定义及性质 1．单变量正态分布 定义： （3.1-1） 其中：为随机变量x的期望，也就是平均值； 为x的方差，为均方差，又称为标准差。 （3.1-2） （3.1-3） 概率密度函数的一般图形如下： 具有一下性质： （3.1-4） 从的图形上可以看出，只要有两个参数就可以完全确定其曲线。为了简单，常记为。若从服从正态分布的总体中随机抽取样本x，约有95％的样本落在中。样本的分散程度可以用来表示，越大分散程度越大。 2．多元正态分布 定义： （3.1-5） 其中： 为d维随机向量，对于d维随机向量x，它的均值向量是d维的。也就是：