参数估计
原创
2021-08-02 14:35:52
190阅读
目录1、非参数模型和参数模型的区别是什么？优点缺点2、非参有什么用？3、直方图估计3.1 思想3.2 优缺点优点缺点3.3 代码实现方式一：懒人版，直接调包matplotlib histseaborn distplot方式二：我的代码实现定义直方图类测试尝试不同的区间宽度h总结参考资料： 开新坑，写一下非参课程的实验。以下是我的简易理解，不会写的太深入，可能会有错误疏漏，欢迎各位指出。若想深入了
转载
2023-07-12 09:57:11
80阅读
参数估计统计学有两大主要分支，分别是描述性统计学和推断统计学。描述性统计学用于描述和概括数据的特征以及绘制各类统计图表。总体数据，往往因为数据量太大而难以被获取，所以就有了通过较小的样本数据推测总体特性的推断统计学。 推断统计学的一个研究方向就是用样本数据估算总体的未知参数，称之为参数估计。如果是用一个数值进行估计，则称为点估计；如果估计时给出的是一个很高可信度的区间范围，则称为区间估计
转载
2023-10-16 09:33:58
100阅读
本文对parzen窗估计做了简单叙述，针对《模式分类》（第二版）内容进行简单探讨，使用matplotlib库直观地了解parzen窗估计的一些特点和性质。
1.简介Parzen窗估计属于非参数估计。所谓非参数估计是指，已知样本所属的类别，但未知总体概率密度函数的形式，要求我们直接推断概率密度函数本身。对于不了解的可以看一下https://zhuanlan
用于函数估计的非参数方法主要有核密度估计、局部多项式回归估计等。非参的函数估计的优点在于稳健，对模型没有什么特定的假设，只是认为函数光滑，避免了模型选择带来的风险；但是，表达式复杂，难以解释，计算量大是非参的一个很大的毛病。所以说使用非参有风险，选择需谨慎。核密度估计（kernel density estimation）是在概率论中用来估计未知的密度函数，属于非参数检验方法之一，由Rosenbla
转载
2023-12-20 06:22:03
67阅读
# Python 参数估计概述
参数估计是统计学中的一项关键技术，广泛应用于数据分析、机器学习和信号处理等领域。它通过观察数据来推断模型中参数的值。本文将探讨Python中的参数估计，包括一些常用的方法和代码示例，帮助你更好地理解这个主题。
## 什么是参数估计？
参数估计的基本目标是从样本数据中推断总体分布的参数。例如，假设我们想要估计一组数据的均值和标准差。通过对样本数据进行分析，我们可
# Python参数估计入门指南
了解参数估计是数据科学和机器学习的重要组成部分。参数估计用于通过已知数据来推断未知参数。本篇文章将指导你如何在Python中进行参数估计，并提供具体步骤和示例代码。我们将使用最大似然估计（MLE）作为例子进行演示。
## 整体流程
以下表格展示了进行参数估计的一般步骤:
| 步骤 | 描述 |
|------|------|
| 1 | 理解数据集
在做分类问题时，有时候需要使用样本的概率密度函数来求其后验概率。但是很多情况下并不知道其概率密度函数的形式（即样本的分布未知），此时就需要对样本进行非参数估计，来求解其概率密度函数。\(n\)个样本点中，在某点周围取一个区间\(R_{n}\)，计算区间\(R_{n}\)的体积\(V_{n}\)以及落在\(R_{n}\)中的样本的个数\(k_{n
转载
2024-01-07 21:07:40
91阅读
数理统计要解决的问题是，根据样本的信息猜测随机变量的信息。随机变量的分布可能完全未知，也可能已经判定为某类分布\(f(x,\theta_1,\cdots,\theta_k)\)，但有未知参数\(\bar{\theta}=(\theta_1,\cdots,\theta_k)\)，这是数理统计中最常研究的情景。1. 点估计 一类最简单的问题是，要求给出参数函数\(g(\bar{\theta})\
转载
2024-01-23 22:00:02
0阅读
6.1点估计及R实现6.1.1矩估计R中的解方程函数:函数及所在包：功能uniroot()@stats：求解一元（非线性)方程multiroot()@rootSolve：给定n个(非线性)方程，求解n个根uniroot.all()@rootSolve：在一个区问内求解一个方程的多个根BBsolve()@BB：使用Barzilai-Borwein步长求解非线性方程组uniroot(f,interva
转载
2023-08-12 22:46:24
93阅读
对于确定性趋势的参数估计，大致有五种：常均值模型、线性模型、二次式模型、季节均值模型、余弦模型。虽然每种模型各有特点和要求，但对于参数求解，一般都是使用OLSE。其区别仅在与设计矩阵的构造。本文将介绍这五种模型参数估计的R语言自编程序的实现。 注： 1、本人最近正在学习《时间序列分析及应用》一书，本文的相关理论也来自于此书，水平有限，如有错误，还请多批评指正； 2、本文未贴出运行结果，有需要的
转载
2023-08-12 20:06:24
92阅读
对于时间序列数据，常常需要用ARIMA模型作出拟合。本文使用R语言对客运量数据作出ARIMA拟合，提供一个一般化的ARIMA模型模板。在开始前，安装并导入必要的包install.packages('fUnitRoots')#安装单位根检验包
library(fUnitRoots)
install.packages('tseries')
library(tseries)
install.packa
转载
2023-09-26 11:57:38
488阅读
目录1.算法描述2.仿真效果预览3.MATLAB核心程序4.完整MATLAB1.算法描述 信道估计器是接收机一个很重要的组成部分。在OFDM系统中，信道估计器的设计上要有两个问题:一是导频信息的选择，由于无线信道的时变特性，需要接收机不断对信道进行跟踪，因此导频信息也必须不断的传送: 二是既有较低的复杂度又有良好的导频跟踪能力的信道估计器的设计，
# 机器学习参数估计：从入门到实操
在机器学习领域，参数估计是构建模型的重要步骤。对于刚入门的小白来说，了解整个流程至关重要。本文将通过一系列步骤，教会你如何实现机器学习参数估计。
## 整体流程
以下是机器学习参数估计的整体流程：
| 步骤 | 描述 |
|------|----------------------
# Python中Copula参数估计的简单介绍
在统计学中，Copula是一种非常有用的工具，用来描述多变量的联合分布。通过Copula，我们能够将边缘分布与其联合分布分开建模，这使得在处理不同类型的数据时更加灵活。在本文中，我们将探讨如何在Python中进行Copula的参数估计，并展示一个简单的代码示例。
## Copula的基本概念
Copula函数是一种连接边缘分布的函数，允许我们
目录一、概念二、应用条件三、分析流程1、单样本t检验2、两配t检验3、两独立样本的t检验一、概念t检验又称Student's t检验，是以t分布为基础的统计分析方法。是定量资料分析中最为常见的假设检验方法。二、应用条件1、在单样本t检验中，总体标准差σ未知且样本含量较小（n<50）时，要求样本来自正态分布总体；2、两个小样本均数比较时，要求两个样本均来自正态分布总体，且两样本总体方差相等；如
转载
2023-07-09 20:47:48
246阅读
在学习统计学贾书的过程，在第6—14章节出有许多需要理解与记忆的公式和概念，在此通过博客的形式做一次梳理，主要内容为统计学中抽样分布、假设检验、参数估计、分类数据分析、方差分析、一元二元线性分析、时间序列分析、指数的理论知识，不足之处望多多指正。参数估计的一般问题点估计与区间估计 (1)点估计定义：用样本的估计量的某个取值直接作为总体参数的估计值（如用样本均值直接作为总体均值的估计；用两个样本均值
定义函数的时候，我们把参数的名字和位置确定下来，函数的接口定义就完成了。对于函数的调用者来说，只需要知道如何传递正确的参数，以及函数将返回什么样的值就够了，函数内部的复杂逻辑被封装起来，调用者无需了解。Python的函数定义非常简单，但灵活度却非常大。除了正常定义的必选参数外，还可以使用默认参数、可变参数和关键字参数，使得函数定义出来的接口，不但能处理复杂的参数，还可以简化调用者的代码。位置参数我
这个博主很有意思 机器学习之用Python从零实现贝叶斯分类器 参数估计：贝叶斯思想和贝叶斯参数估计
转载
2017-12-22 01:53:00
333阅读
2评论
为随机信号建立参数模型是研究随机信号的一种基本方法。 在对语音信号进行编码时，分析不同种类语音信号的特点及产生，用数学模型表示信源，而编码器根据输入信号计算模型参数，然后对模型参数进行编码，也就是说，只需要对编码后的参数进行传送（而不需要传送语音信号本身），解码器通过收到的模型参数，直接利用相同的数学模型即可重建出语音信号，大大减小了传送的数据量。音频编码中的三种编码思路：（1）参量编码：这种编码
转载
2023-09-21 05:52:07
142阅读
