概率密度估计介绍

Posted marsggbo

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了概率密度估计介绍相关的知识,希望对你有一定的参考价值。


title: 概率密度估计介绍 tags: 概率密度,密度估计 grammar_cjkRuby: true grammar_flow: true grammar_sequence: true

在学概率论时,常常会看到各种稀奇古怪的名字,有的书上只介绍了该如何求解,但是从不介绍为什么这么叫以及有什么用,本文就介绍一下概率密度估计是什么以及是干什么用的,主要参考Jason BrownLee大神的一篇博文进行介绍。
原文地址: A Gentle Introduction to Probability Density Estimation

后面部分名词会以英文缩写形式介绍,汇总如下:

  • 概率密度 (probability dense, PD)
  • 概率密度函数 (probability dense function, PDF)
  • 概率密度估计 (probability dense estimation, PDE)

PD&PDF&PDE之间的关系

一句话概括概率密度就是:

概率密度是观测值与其概率之间的关系

一个随机变量的某个结果可能会以很低的概率出现,而其他的结果可能概率会比较高。

概率密度的总体形状被称为概率分布 (probability distribution),对随机变量特定结果的概率计算是通过概率密度函数来完成的,简称为PDF (Probability Dense Function)

那么概率密度函数有什么用呢?很有用!例如我们可以通过PDF来判断一个样本的可信度高低,进而判断这个样本是否是异常值。另外有时我们需要输入数据需要服从某个分布也需要用到PDF。

但是通常我们是不知道一个随机变量的PDF的,而我们不断逼近这个PDF的过程就是概率密度估计

graph LR
A[概率密度函数] -->|描述| B(概率密度)
C[概率密度估计] -->|估计| A(概率密度函数)

技术图片



MARSGGBO?原创


如有意合作,欢迎私戳

邮箱:marsggbo@foxmail.com


2019-12-29 09:51:01











以上是关于概率密度估计介绍的主要内容,如果未能解决你的问题,请参考以下文章

概率密度函数估计笔记

6.1. 概率密度估计

如何用matlab进行参数以及非参数概率密度估计

最大似然估计-高斯分布

估计python中均匀随机变量之和的概率密度

贝叶斯估计和极大似然估计到底有何区别