2025年非参数估计法之 parzen窗方法和k近邻方法估计概率密度

非参数估计法之 parzen窗方法和k近邻方法估计概率密度无论是参数估计还是费参数估计 其目的都是为了求出总体的概率密度函数 parzen 窗 基本原理 嗯哼哼 画个圈圈 在圈圈里面又画一个正方形 在往圈圈里面随机扔豆豆 豆豆在正方形里面的概率约等于在正方形内的总数 k 比豆豆总数 n 即 k n 其正好是正方形与圈圈的面积比 假设正方形的面积为 R 设豆豆落在正方形里面的概率为 P

大家好,我是讯享网,很高兴认识大家。

无论是参数估计还是费参数估计 其目的都是为了求出总体的概率密度函数

parzen窗

基本原理

嗯哼哼 ,画个圈圈 ,在圈圈里面又画一个正方形,在往圈圈里面随机扔豆豆,豆豆在正方形里面的概率约等于在正方形内的总数k比豆豆总数n即k/n,其正好是正方形与圈圈的面积比,假设正方形的面积为R

设豆豆落在正方形里面的概率为P = k/n,假设豆豆落在正方形的每一个点上的概率一样,则落在正方形中的任意一点的概率为

p = (k/n)/R

若没一点的概率密度服从函数p(x)


讯享网

当R足够小,p(x)变化也会变得特别小,则





上式为超立方体函数



只要函数满足如下条件,        就可以作为窗函数



故窗函数泛化之高斯函数





其中μ = 0,δ² =1

(为什么不是μ = x,δ² =???还是说正态窗函数就是这个样?)

故Parzen窗估计过程是一个内插过程,一般样本xi距离x越近,对概率密度估计的贡献越大,越远贡献越小 ,和局部线性回归的思想类似

栗子

来源于http://blog.sina.com.cn/s/blog_679e13290101cpr1.html

数字图像处理也用过类似思想,平滑

一般Parzen估计的性能与窗宽参数hn紧密相关

如一元正态分布 变大则分母变大整体变小,而指数部分肯定为负数所以,h越大会越趋近于0,故副i整体变化不大

所以

当较大时,x 和中心 xi 距离大小的影响程度变弱,估计的p(x)较为平滑,分辨率较差

同理,当较小时,x 和中心 xi 距离大小的影响程度变强,估计的p(x)较为尖锐,分辨率较好。

同时 再来理解下  中n时什么

n表示的样本数

每一次样本数发生变化时都可以取不同,n和h对其概率密度的影响


其中




近邻估计

基本原理

固定样本数为,在X附近选取与之最近的个样本,计算个样本分布的最小体积

同样概率密度估值为


小讯
上一篇 2025-03-10 11:49
下一篇 2025-02-10 20:11

相关推荐

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容,请联系我们,一经查实,本站将立刻删除。
如需转载请保留出处:https://51itzy.com/kjqy/79964.html