一、模式的距离度量 通过特征抽取，我们以特征空间中的一个点来表示输入的模式，属于同一个类别的样本 所对应的点在模式空间中聚集在一定的区域，而其它类别的样本点则聚集在其它区域，则就 启发我们利用点与点之间距离远近作为设计分类器的基准。这种思路就是我们这一章所要介 绍的距离分类器的基础

统计推断问题可以分为两大类,一类是估计问 题,一类是假设检验问题.本章讨论总体参数 的点估计和区间估计 设总体X的分布函数的形式为已知,但它的一个或多个参数为未知,借助于总体X的的一个 样本来估计总体未知参数的值的问题称为参数的点估计问题

第一节显著性检验的基本原理 第二节样本平均数与总体平均数差异显著性检验 第三节两个样本平均数差异显著性检验 第四节百分数资料差异显著性检验 第五节总体参数的区间估计

第一节显著性检验的基本原理 第二节样本平均数与总体平均数差异显著性检验 第三节两个样本平均数差异显著性检验 第四节百分数资料差异显著性检验 第五节总体参数的区间估计

一、教学目的要求 1.了解抽样的基本内容:总体和样本。 2.理解分位数、分位点等概念。 3.掌握统计量的基本概念及常用统计量、常用三大分布

基本概念 用点估计来估计总体参数,即使是无偏有效 的估计量,也会由于样本的随机性,从一个 样本算得估计量的值不一定恰是所要估计 的参数真值.而且,即使真正相等,由于参数 值本身是未知的,也无从肯定这种相等.到 底二者相差多少呢?这个问题换一种提法就 是,根据估计量的分布,在一定的可靠程度 下,指出被估计的总体参数所在的可能数值 范围.这就是参数的区间估计问题

一、固定样本的连续调查 二、非固定样本的调查

7.3区间估计 引例已知X~N(μ,1) μ的无偏、有效点估计为 常数 随机变量 不同样本算得的μ的估计值不同, 因此除了给出μ的点估计外,还希望根据 所给的样本确定一个随机区间,使其包含 参数真值的概率达到指定的要求

何为假设检验? 假设检验是指施加于一个或多个 总体的概率分布或参数的假设.所作 假设可以是正确的,也可以是错误的. 为判断所作的假设是否正确,从 总体中抽取样本,根据样本的取值,按 一定原则进行检验,然后作出接受或 拒绝所作假设的决定

前面介绍的各种统计假设的检验方法,几乎都假定了总 体服从正态分布,然后再由样本对分布参数进行检验。 但在实际问题中,有时不能预知总体服从什么分布,这 里就需要根据样本来检验关于总体分布的各种假设,这 就是分布的假设检验问题。在数理统计学中把不依赖于 分布的统计方法称为非参数统计方法