贝叶斯决策法则在实际应用中的精髓解析.pptVIP

第二章贝叶斯决议理论;;2.1引言;继续考虑鲈鱼和鲑鱼的例子;只依赖先验概率的决议;分类决议的分析;加入后验信息;类条件概率密度函数;后验概率;贝叶斯公式;后验概率;贝叶斯决议规则;贝叶斯决议;分类器，鉴别函数和决议面;等价形式;基于最小错误率的贝叶斯决议规则：

;2.2最小错误率贝叶斯决议;决议规则;例：假设在某个局部地域细胞识别中正常和异常两类的先验概率分别为

正常状态：

异常状态：

现有一待识别的细胞，其观察值为x，类条件概率密度分别为,试对该细胞x进行分类。

解：;最小错误率的讨论;最小错误率的讨论;两类错误率;两类错误率;Neyman-Pearson决议;2.3最小风险贝叶斯决议;问题描述;最小风险贝叶斯决议;最小风险贝叶斯决议的决议规则;决议环节;特殊情形;几个等价形式;决议例子;决议例子;分析;2.3正态分布时的统计决议;正态分布的主要性;2.3.1正态分布概率密度函数的定义及性质;正态分布的主要性质;

㈡多元正态分布

⒈多元正态分布的概率密度函数

;●协方差的各分量为：;●协方差矩阵总是非负定阵。

●对于任意随机向量x，xT∑x是∑的二次型。假如对x≠0的一切x有xT∑x≥0都成立，则称∑为非负定阵。

●若xT∑x0，则∑为正定阵。

●对于正定矩阵，各阶主子