20 Parzen窗法 Parzen窗法 口例2：(u)是正态分布 口例3：px)是一个均匀分布和一个三角形分布的 混合分布，(u)是正态分布。 te) h=0.2 A h=0.08 h=0.0 -AA IAn A - IAL IAI 22 Parzen?窗法 kn-近邻法 口讨论 口基本思想：把窗扩大到刚好覆盖k,个点：落在 窗内的样本点的数目固定，窗宽是变化的：即固 Smallh 定k(根据样本总数n选择)，改变'。 is better in upper size depends on density region. Largeh in lower ○○⊙ Region. k.-近邻法 kn-近邻法 口概率密度估计表达式： 口例 P.(x)=kIn V 口收敛的限制条件： k=k√n lim=0: limk,=o; 口k的选择 ·当样本有限时，k将影响估计的平滑程度： ·当n一∞时，P(x)将收敛于px)19 Parzen窗法  例2 ： 是正态分布 ( ) u 20 Parzen窗法  例3：p(x) 是一个均匀分布和一个三角形分布的 混合分布， 是正态分布。 ( ) u 21 Parzen窗法  讨论 22 kn-近邻法  基本思想：把窗扩大到刚好覆盖 kn 个点；落在 窗内的样本点的数目固定，窗宽是变化的；即固 定 kn （根据样本总数 n 选择），改变 Vn size depends on density 23 kn-近邻法  概率密度估计表达式：  收敛的限制条件：  kn 的选择  当样本有限时， kn 将影响估计的平滑程度；  当 n→∞ 时，pn(x) 将收敛于 p(x)。 / () ; n n n k n p V x  lim 0; lim ; lim 0. n n n nn n k V k    n    24 kn-近邻法  例 n 1 k kn 