《密度函数估计-公开课件（设计）.pptVIP

概率密度函数的估计 贝叶斯估计的基础就是概率密度函数估计 当样本数N趋于无穷大时，希望类条件概率 密度 和先验概率 尽可能的精确 概率密度函数的估计方法 参数估计和非参数估计 主要区别就是概率密度函数是否已知 * 概率密度函数估计 3.1 引言 参数估计的主要方法 最大似然估计和贝叶斯估计 在数理统计中，用来判断估计好坏的 常用标志 是无偏性，有效性和一致性。 非参数估计主要方法 近邻估计法和Parzen窗法 3.2最大似然估计 概率密度函数的形式已知，参数是确定但未知的量 样本集的每一个样本都是从密度函数为 的总 体中独立抽取出来的，即满足独立同分布的条件。 各类样本只包含本类的分布信息 3.2.1 似然函数 样本集包含N个样本，独立的从概率密度为 中获得样本集的概率密度为，即样本集的联合概率密 度为 上式反映的是在不同参数取值下，取得当前样本集 的可能性，因此称作参数 相对于样本集的似然函 数。 最大似然估计量 对数似然函数 3.2.2 似然函数的求解 只有一个待估参数 当未知参数是 是由多个未知参数 组成的向量时， 需要对 的每一维分别求偏导，即