Page 47 - 4196
P. 47

n       1     1       1         T 1          
              P m     x  j         exp      yx  j     yx  j  .
                                                                     
                       i 1   2  2 / p  h p   2       h 2        
                                                                 (4.26)
           Тут  j   1 ,..., m  - кількість складових суміші. Зі збільшен-
           ням  m похибка апроксимації щільності сумішу нормаль-
           них  законів  зменшується,  але  при  цьому  збільшується
           кількість параметрів, а відповідно і дисперсія, пов’язана з
           оцінюванням параметрів     1 ,..., .
                                             m
                 Оцінки для   1 ,...,  можна знаходити методом ма-
                                     m
           ксимальної вірогідності з умови
                                              n
                          max  L  ,...,    m    m   x ,
                                                P
                                            
                                                      i
                                   1
                                             i 1
                                       n
                                ln  L     ln  P m  ,
                                               x
                                                i
                                      i 1
              L   n       2 / p   p  2         T
                   2    h   exp  h  x   y   x   y   P    0x 
               j  i 1                    i    j    i   j    m
                                         .
                                                                 L
           Тобто  маємо  задачу  знаходження  максимуму  ln   по
             ,..., 1  m    при  лінійних  обмеженнях    j    j , 0   1 ,...,  m ;
            m
               j  1.
            j 1
                 8 Оцінка сумісної щільності методами стохастичної
           апроксимації
                 Для рішення деяких задач, наприклад, класифікації
           з самонавчанням, необхідно мати оцінку  сумісної щіль-
           ності  розподілу.  Її  аналіз  та  виявлення  суттєвих  макси-
           мумів дозволяє спрогнозувати «центри» класів і тим са-
           мим оцінити їх кількість.




                                        47
   42   43   44   45   46   47   48   49   50   51   52