非参数统计.pdf
17****27
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
非参数统计.pdf
中国海洋大学本科生课程大纲非参数统计课程名称课程代码075302101221NonparametricStatistics课程属性专业知识课时/学分48/3课程性质选修实践学时责任教师张立振课外学时96课程属性:公共基础/通识教育/学科基础/专业知识/工作技能,课程性质:必修、选修一、课程介绍1.课程描述:非参数统计是数理统计学的一个分支,它是针对参数统计而言的。所谓参数统计,简单地说就是建立在总体具有明确分布形式,通常多为正态分布形式的假定基础之上,所建立的统计理论和统计方法。而非参数统计是在不假定总体
非参数统计--非参数密度估计.ppt
第八章非参数密度估计8.1非参数密度估计推广直方图的密度函数定义。X∈Rd8.2核密度估计核密度估计的定义常用核函数以高斯核函数为例以高斯核函数为例带宽对估计量的影响Parzen窗函数为核函数当带宽h=0.2时,密度函数曲线比较粗糙,噪声很多;当带宽h=1时,密度函数曲线比较平滑,较为理想;而带宽h=5时,密度函数曲线最平滑的,但信息损失很多;如何选择合适的带宽,是核函数密度估计的关键.均方误差模式分类问题1.假设ω1——鲑鱼,ω2——鲈鱼,它们的先验概率为:分类问题分类问题k-近邻估计程序实现程序实现图
非参数统计非参数密度估计.ppt
第七章非参数密度估计7.1非参数密度估计推广直方图的密度函数定义。X∈Rd7.2核密度估计核密度估计的定义常用核函数以高斯核函数为例以高斯核函数为例带宽对估计量的影响Parzen窗函数为核函数当带宽h=0.2时,密度函数曲线比较粗糙,噪声很多;当带宽h=1时,密度函数曲线比较平滑,较为理想;而带宽h=5时,密度函数曲线最平滑的,但信息损失很多;如何选择合适的带宽,是核函数密度估计的关键.均方误差模式分类问题1.假设ω1——鲑鱼,ω2——鲈鱼,它们的先验概率为:分类问题分类问题k-近邻估计程序实现程序实现图
非参数统计-非参数密度估计.ppt
第八章非参数密度估计8.1非参数密度估计鲑鱼和鲈鱼的身长(260条)推广直方图的密度函数定义。X∈Rd8.2核密度估计核密度估计的定义常用核函数以高斯核函数为例以高斯核函数为例带宽对估计量的影响Parzen窗函数为核函数当带宽h=0.2时,密度函数曲线比较粗糙,噪声很多;当带宽h=1时,密度函数曲线比较平滑,较为理想;而带宽h=5时,密度函数曲线最平滑的,但信息损失很多;如何选择合适的带宽,是核函数密度估计的关键.均方误差模式分类问题1.假设ω1——鲑鱼,ω2——鲈鱼,它们的先验概率为:分类问题分类问题k
第1章 非参数统计引论(非参数统计,西南财大).doc
非参数统计第一章非参数统计分析第一章引言§1.1关于非参数统计在初等统计学中,最基本的概念是总体,样本,随机变量,分布,估计和假设检验等.其很大一部分内容是和正态理论相关的。在那里,总体的分布形式或分布族往往是给定的或者是假定了的,所不知道的仅仅是一些参数的值或他们的范围。于是,人们的任务就是对一些参数,比如均值和方差(或标准差),进行点估计或区间估计,或者是对某些参数值进行各种检验,比如检验正态分布的均值是否相等或等于零等等.最常见的检验为对正态总体的t—检验,F—检验,和最大似然比检验等.然而,在实际