非参数估计ppt

实现对符合广义高斯分布样本的广义高斯参数的估计，利用Newton–Raphson迭代方法实现参数的数值解。

贝叶斯估计BayesEstimation是一种高效的参数估计方法，使用该方法可以更准确地估计后验概率。该方法包含实例代码和详尽的贝叶斯估计函数参考书籍：统计学习方法。在使用方法时，需要输入训练数据集X

Python参数估计是数据科学和统计学领域中不可或缺的一部分。在数据科学的实践中，了解如何使用Python进行参数估计是非常关键的。本文将介绍参数估计的基本概念，包括总体、样本、总体参数和样本统计量等

在统计学中，估计量的相合性是指随着样本容量的增大，估计量会越来越接近被估计参数的真实值。 对于服从多元正态分布的总体，我们关心的参数通常是均值向量 和协方差矩阵 。如果 和 分别是 和 的

我国利率模型的参数估计与选择，彭秀丹，，本文选用时间从2007年9月27日到2008年5月20日两次加息间的银行间7天回购利率为货币市场的短期利率，用最小二乘估计和广义矩估计方法对

高斯混合模型是有效的描述数据集合分布的手段，高斯混合模型中各个单高斯模型的均值、方差和权重的估计，实际上是样本空间下的参数估计问题。参数估计的方法有很多，相比较而言，EM算法是MLE（Maximum

该文件利用EM算法实现了对高斯混合模型的最大似然参数估计，有文档说明。

论文研究-高频数据波动率非参数估计及窗宽选择.pdf,  基于高频数据采用非参数的方法估量波动率，因其能更准确地度量波动率，一直是学者们研究的热点.然而，波动率的所有非参数估计都面临着窗宽的选择问题.

基于非参数估计的应用层网络流协议识别，李兰英，陈志峰，本文通过对网络应用层中各种协议的流量特点进行分析，提出将网络流协议特征作为统计值的基本元素，利用基于非参数估计的Parzen窗分

很不错的AR模型参数估计和阶数估计，是基于Burg法的，阶数的准则可以自己选择，有'FPE', 'AIC', 'MDL', 'CAT'，还有功率谱估计