Pour répondre aux questions ci-dessus, d'abord démonter le problème:

1, Distribuez la fonction de densité de probabilité de distribution Gaussienne, la fonction de densité de probabilité de distribution Gauss est

2, méthode dérivée: le plus comme il est estimé. que l'estimation est la plus grande possibilité de

3, la voie à venir, l'estimation de la capacité la plus importante provient de la coordination gaussienne moyenne et différentielle

que nous aurons d'abord un problème est une affaire Un problème est un problème d'une question d'un problème est un problème est une question d'une question.

Premièrement, distribuez le gaussien

Suivant, la relation entre la distribution de dollar gaussien, la distribution normale d'un dollar standard et une répartition de la distribution et de la densité multi-gaussiennes Sa probabilité est et pour la distribution des bords gaussiens, les conditions de distribution gaussiennes et la distribution gaussienne mixte sont produites séparément.

1, distribuant le dollar gaussien et la distribution normaleStandard

Si l'ensemble X obéir aux données est u, la variance est une distribution en dollars, sa fonction de densité de probabilité est

et une distribution normale d'un dollar standard normalisé dans les ensembles de données X:

Z Fireworks sont 0, les normes de distribution normales de la variance sont de 1, la probabilité de fonction de densité est

Deux attributs couramment satisfaits de la distribution de gassement sont donnés, il sera ensuite utilisé:

(1) Si A et B sont des nombres réels, alors

(2) S'il s'agit d'une variable statistique indépendante aléatoire normale, alors

, ils sont également satisfaits de la distribution normale leurs différences répondent également à la normale. Distribution

2, Distribution multi-gaussien

Ceci est un cas simple, c'est-à-dire que, lorsque de nombreuses tailles sont indépendantes, si chaque variable indépendante, la fonction de densité fonctionnelle avec bile La probabilité correspondante. Produit.
Si, et chaque taille est indépendante de l'autre, la fonction de densité de probabilité de x est
Pour simplifier la formule ci-dessus, d'abord
,
La formule ci-dessus est la matrice syllabe. En raison de la corrélation entre variables, la matrice assortie unilatérale n'est valide que la valeur de la diagonale, la fonction de densité de probabilité de la distribution multi-gaussien est la suivante:
Deuxièmement, estimait la plus grande fonction

Tout d'abord, dans un exemple d'exemple de l'image, l'estimation des plus grandes capacités est de comprendre:

Popularité, la plus grande capacité d'estimation est utilisée les résultats des résultats des échantillons connus et le maximum possible ( La probabilité maximale) est créée. La valeur du paramètre modèle du résultat est de nombreuses estimations de capacités, fournissant une méthode pour évaluer les numéros de modèle de participation, ce qui signifie que le modèle spécifié et les paramètres inconnus.

Estimation La capacité maximale est un important prouve que les échantillons de données sont distribués de manière indépendante. Avant d'utiliser la capacité maximale à résoudre les paramètres de distribution, examinez d'abord la situation générale, actuellementEnvisagez d'avoir un ensemble de données, conforme à une certaine distribution de probabilité, avec l'estimation de la capacité maximale pour obtenir le vecteur de paramètre de l'ensemble de données, enregistrez les échantillons connus définis sur:
fonctionnalités de capacité, c'est-à-dire la fonction de densité fonctionnelle, c'est-à-dire la fonction de densité fonctionnelle. :
La combinaison de la fonction de densité de probabilité est appelée fonction de capacité des paramètres de jeu de données D, d'abord requiert la satisfaction maximale de la fonctionnalité de la valeur maximale de la probabilité de l'échantillon

Dans la situation actuelle, il l'identifiera comme un logarithme:

Utilisez la capacité maximale d'estimation de la capacité maximale de résoudre les paramètres de la distribution Gass, à savoir la moyenne et la variance.

Mardi, estimé que les capacités maximales provenant de la répartition et de la variance moyennes moyennes

Il existe une variété de données de données x Conformité à la distribution et aux échantillons gaussiens Distribution indépendante:

avec Capacité maximale à estimer, fonction de capacité de logaritchest:

dans laquelle la fonction de densité de probabilité de la distribution gaussienne

est

pour les descriptions des fonctions, les points de pôle sont la valeur minimale

peut être atteint par

pour cela, nous avons une moyenne de U grâce à l'estimation des plus grandes capacités, puis les mêmes méthodes pour résoudre la différence de carrés

par conséquent, la variance des paramètres peut être Obtenu

Pour cela, nous avons obtenu la valeur moyenne et la variance de la distribution gaussienne grâce aux estimations de la plus grande capacité

Données vidéo de référence: "Etude" "Shuhuai008

Livres de référence: Formulaire de reconnaissance et auteur académique: Christopher Bishop

--------------- --------------------------