概率密度估计打印.pptVIP

其中k个样本落在区域R中的概率服从二项式定理：3.2非参数估计k的期望值为第63页，共96页，星期日，2025年，2月5日k的二项式形式的分布在均值附近有非常显著的波峰。因此，比值k/n就是概率P的一个很好的估计。当样本个数n非常大时估计将非常准确。如果假设p(x)是连续的，并且区域R足够小，以至于在这个区间中p几乎没有变化，那么有3.2非参数估计第64页，共96页，星期日，2025年，2月5日其中x为一个点，而V则是区域R所包含的体积。得到p(x)的估计为3.2非参数估计第65页，共96页，星期日，2025年，2月5日区域R的体积R中的点固定越来越多在概率上收敛p(x)的平均估计R足够小3.2非参数估计第66页，共96页，星期日，2025年，2月5日估计x点的密度构造一串包括x的区域序列R1,R2,…,Rn,…对R1，采用一个样本估计对R2，采用两个样本估计……设Vn是Rn的体积，kn是落入Rn中的样本数p(x)的第n次估计3.2非参数估计第67页，共96页，星期日，2025年，2月5日满足pn(x)收敛于p(x)^→p(x)3.2非参数估计第68页，共96页，星期日，2025年，2月5日Bayes估计：证明：由于贝叶斯估计使贝叶斯风险R达到最小，要使贝叶斯风险达到最小，相当于被积函数(条件风