ref1.《模式分类》(Richard O. Duda)chapter3
1. 最大似然估计:
把待估计参数看作是确定性的量,只是取值未知;
最佳估计:使得 产生已观测样本(训练样本)的概率为最大 的值 。
过程:
样本集D中的样本独立同分布,参数 theta,求使得p(D|theta)的值最大的theta,p(D|theta)看作是关于theta的函数,
似然函数 l(theta)=ln p(D|theta),令l(theta)的导数=0,求得相应参数。
举例:
3.2.2 关于高斯分布u未知的估计
3.2.3 关于高斯分布u,sigma均未知的估计
3.2.4
C为样本协方差矩阵(分母是n-1),而估计值sigma=(n-1)/n C,是渐近无偏的估计
===========================================================================================
为什么样本方差(sample variance)的分母是 n-1?
首先,我们假定随机变量的数学期望是已知的,然而方差未知。在这个条件下,根据方差的定义我们有
由此可得
.
因此是方差的一个无偏估计,注意式中的分母不偏不倚正好是!
这个结果符合直觉,并且在数学上也是显而易见的。
现在,我们考虑随机变量的数学期望是未知的情形。这时,我们会倾向于无脑直接用样本均值替换掉上面式子中的。这样做有什么后果呢?后果就是,
如果直接使用作为估计,那么你会倾向于低估方差!
这是因为:
换言之,除非正好,否则我们一定有
,
而不等式右边的那位才是的对方差的“正确”估计!
这个不等式说明了,为什么直接使用会导致对方差的低估。
那么,在不知道随机变量真实数学期望的前提下,如何“正确”的估计方差呢?答案是把上式中的分母换成,通过这种方法把原来的偏小的估计“放大”一点点,我们就能获得对方差的正确估计了:
作者:知乎用户
链接:https://www.zhihu.com/question/20099757/answer/26586088
来源:知乎
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。