《数理统计与随机过程7--参数估计.ppt

如果 n = 10 、h = 0.1, 那么每个样本点各自的贡献能够清楚的观察到 。 数值计算结果: 如果 n = 1、h1=1 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile . Copyright 2004-2011 Aspose Pty Ltd. h1=1 h1=0.5 h1=0.1 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile . Copyright 2004-2011 Aspose Pty Ltd. 在二维情况下有类似的结果: Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile . Copyright 2004-2011 Aspose Pty Ltd. Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile . Copyright 2004-2011 Aspose Pty Ltd. K Nearest Neighbor Density Estimation 在 Parzen窗法中: 体积由 先确定 体积内的点数不确定 在K-近邻估计中: 体积内的点数 kN 先确定 体积再由包含 kN 个最近邻点来确定VN 基本公式仍然为： Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile . Copyright 2004-2011 Aspose Pty Ltd. K-近邻估计 如果设 ，随着N增大，KN增大，所以体积也就增大。 如果x点附近密度低，体积增大速度就快； 如果x点附近密度高，体积增大速度就慢。 可以克服Pazzen窗对于初值V1的依耐性 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile . Copyright 2004-2011 Aspose Pty Ltd. 基本公式： K-近邻估计 假设条件： 一个较好的确定kN的方法： Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile . Copyright 2004-2011 Aspose Pty Ltd. K-近邻估计举例 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile . Copyright 2004-2011 Aspose Pty Ltd. 用直方图估计概率密度函数，和用 Parzen 窗估计概率密度函数有什么联系和区别? Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile . Copyright 2004-2011 Aspose Pty Ltd. * 兰州大学信息科学与工程学院 主讲: 路永刚 E-mail: ylu@ Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile . Copyright 2004-2011 Aspose Pty Ltd. 非正态总体的区间估计 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile . Copyright 2004-2011 Aspose Pty Ltd. §7.6 非正态总体的区间估计 前面两节讨论了正态总体分布参数的区间估计。但是在实际应用中，我们有时不能判断手中的数据是否服从正态分布，或者有足够理由认为它们不服从正态分布。但是，只要样本大小 n 比较大，总体均值 μ 的置信区间仍可用正态总体情形的公式 或 σ2已知时 σ2未知时 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile . Copyright 2004-2011 Aspose Pty Ltd. 所不同的是：这时的置信区间是近似的。 这是求一般总体均值的一