于是对应于一个区分特征就对应地有一个p值,它是一个客观的标准,和各种测试方法的结果 (统计量)的绝对大小、量纲都无关.如果要在N个不同的用以区分是否感染了SARS的特征中 选取M个相对地最为有效的特征,我们只需选取对应的p值最小的前M个特征即可 2.隐 Markov模型(HMMD 2.1一个实例 先举一个例子以直观地理解这个模型的实质 例10.12设某人在三个装有红白两种颜色的球的盒子中,任取一个盒子,然后在此 盒子中每次抽取一个球,连续地抽取m次.假定各个盒子的内容与抽取方式分别为 红球数白球数每次抽取方式 盒19010随机取一球,记下颜色后不放回,而放进一个与它颜色不同的球 盒250 随机取一球,记下颜色后放回 随机取一球,记下颜色后不放回,并放进一个红球 现在如果某人用上述方法得到了一个记录(红,红,红,红,白)(即m=5),但是不告诉 我们球出自哪个盒子,我们应如何推测他是从哪个盒子中抽取的观测样本呢? S6)=在第k个盒子(k=1,2,3)中第n次抽取完成后在各盒中的红球数 那么,在k分别固定为1,2,3时,{S):n≥0}分别为 Markov链,且其概率转移矩阵 分别为 (=i-1) (=i+1),(逢红,红减1;逢白,红加1) 0(其它情形) p=100≠’(内容总是不变) (=i) 100 +1).(逢红不变;逢白,红加1) 0(其它情形 而且初值分别为:S0=90,502)=50,S03)=40.于是这3个盒子就分别对应于3个不同的 Markoⅴ链模型.把这3个模型分别简记为λ1,2,3,并把某人观测到的样本序列中的第n个 记为O.即令 On=抽到的记录列中第n个记录中的白球数(只能为1或0) 此例是一个玩具模型.从这个例子可以看出,在观测出自哪个盒子已知时,状态随机变269 于是对应于一个区分特征就对应地有一个 p 值, 它是一个客观的标准 ，和各种测试方法的结果 （统计量）的绝对大小、量纲都无关．如果要在 N 个不同的用以区分是否感染了SARS 的特征中 选取 M 个相对地最为有效的特征，我们只需选取对应的 p 值最小的前 M 个特征即可． ２．隐 Markov 模型 (HMM) ２．１ 一个实例 先举一个例子以直观地理解这个模型的实质. 例１０.１２ 设某人在三个装有红白两种颜色的球的盒子中，任取一个盒子，然后在此 盒子中每次抽取一个球，连续地抽取 m 次．假定各个盒子的内容与抽取方式分别为： 红球数 白球数 每次抽取方式 盒 1 90 10 随机取一球，记下颜色后不放回，而放进一个与它颜色不同的球. 盒 2 50 50 随机取一球，记下颜色后放回 盒 3 40 60 随机取一球，记下颜色后不放回，并放进一个红球. 现在如果某人用上述方法得到了一个记录(红,红,红,红,白)（即m = 5 ），但是不告诉 我们球出自哪个盒子，我们应如何推测他是从哪个盒子中抽取的观测样本呢 ? 令 = (k ) n S 在第k 个盒子 (k = 1,2,3) 中第 n 次抽取完成后在各盒中的红球数． 那么，在 k 分别固定为１，２，３时，{ : 0} ( ) S n ³ k n 分别为 Markov 链，且其概率转移矩阵 分别为: ï ï ï î ï ï ï í ì - = + = - = 0 ( ) ( 1) 100 1 ( 1) 100 (1) 其它情形 j i i j i i pij ，（逢红，红减１；逢白，红加１）， î í ì ¹ = = 0 ( ) 1 ( ) (2) j i j i pij ，（内容总是不变） ï ï ï î ï ï ï í ì - = + = = 0 ( ) ( 1) 100 1 ( ) 100 (3) 其它情形 j i i j i i pij ．（逢红不变；逢白，红加１） 而且初值分别为： 90, 50, 40 (3) 0 (2) 0 (1) S0 = S = S = ．于是这３个盒子就分别对应于３个不同的 Markov 链模型．把这３个模型分别简记为 1 2 3 l ,l ,l ，并把某人观测到的样本序列中的第 n 个 记为On ．即令 On =抽到的记录列中第n个记录中的白球数（只能为 1 或 0）. 此例是一个玩具模型. 从这个例子可以看出，在观测出自哪个盒子已知时，状态随机变