登録は簡単!. 無料です
または 登録 あなたのEメールアドレスで登録
Teoria da Decisão Bayesiana により Mind Map: Teoria da Decisão Bayesiana

1. Normal Univariada

1.1. Função de densidade probabilidade

1.1.1. É especificada pelos parâmetros de média e variância (desvio padrão)

1.1.2. A dispersão da função achata o formato de "sino" da área do gráfico

1.1.3. Com grau de 95%, a chance de se obter um valor maior do que a média mais duas vezes o desvio padrão é de 2,5%. A chance de se observar um valor menor do que a média menos duas vezes o desvio padrão é de 2,5%.

2. Normal Multivariada

2.1. X é um vetor de atributos com d componetes

2.2. A média é um vetor de médias de d componentes

2.3. A matriz de covariâncias é uma matriz dxd

2.4. O valor esperado de X é um vetor de valores esperados para cada componente

2.5. Se Xi e Xj são estatisticamente independentes, a covariância é igual a zero. O inverso não é necessariamente verdadeiro

2.6. Se todos os elementos fora da diagonal de covariância são nulos, p(X) se reduz ao produto de uma densidade normal univariada dos componentes de X

3. Distancia de Mahalanobis

3.1. Distância Quadrática

3.1.1. Todos os autovalores são positivos

3.1.2. A mais comum é a Euclidiana

3.1.3. Quando a matriz M é a inversa da matriz de covariância, chama-se de Distância de Mahalanobis

3.1.3.1. As variâncias são iguais a 1 e a covariâncias iguais a 0