凸优化第七章统计估计 7.3最优检测器设计及假性检验

最新推荐文章于 2021-12-30 15:24:57 发布

「已注销」

最新推荐文章于 2021-12-30 15:24:57 发布

阅读量730

点赞数 1

分类专栏：凸优化

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/wangchy29/article/details/87465799

版权

7.3最优检测器设计及假性检验

二值假设检验

检测问题
随机检测器
检测概率矩阵
检测器设计的多准则表述
标量化

检测问题：

假设X是随机变量，在 $\left \{ 1,2\cdots n \right \}$ 中取值，其概率密度分布和参数 $\theta\in\left \{ 1,2,\cdots ,m \right \}$ 的取值有关，对 $\theta$ 的m个可能值，X的概率密度分布可以由矩阵 $P \in R^{n\times m}$ 表征，其元素为： $p_{kj}=prob(X=k|\theta =j)$ ，即矩阵的第j列对于参数值 $\theta =j$ 的概率分布。

对 $\theta$ 的m个可能值称为m个假设，我们需要从假设中猜想哪个是正确的，这个问题称为假设检验，而假设检验也可以看成观测到X的某个取值，然后判断不寻常事件（某种假设为一种常规事件，而其他假设均对应不寻常事件）是否发生，如果发生了，是哪一个不寻常事件。于是假设检验问题又称为检测问题。

二值假设检验，即一种特殊的检验问题，即m=2，只有两个假设。这里X是随机变量，且 $X\in \left \{ 1,2,\cdots,n \right \}$ ，假设1：X由概率密度分布 $p=(p_1\cdots,p_n)$ 产生；假设2：X由概率密度分布

最低0.47元/天解锁文章

「已注销」

关注

1
点赞
踩
5

收藏

觉得还不错? 一键收藏
0
评论
凸优化第七章统计估计 7.3最优检测器设计及假性检验

7.3最优检测器设计及假性检验二值假设检验检测问题随机检测器检测概率矩阵检测器设计的多准则表述标量化检测问题：假设X是随机变量，在中取值，其概率密度分布和参数的取值有关，对的m个可能值，X的概率密度分布可以由矩阵表征，其元素为：，即矩阵的第j列对于参数值的概率分布。对的m个可能值称为m个假设，我们需要从假设中猜想哪个是正确的，这个问题称为假设检验，而假设检验也可以...
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。