Waarschijnlijk zie je dit niet in omdat het niet waar is.
Zie mijn voorbeeld hierboven: er is één pdf gedefinieerd (in dit geval een twee-dimensionale normaalverdeling), maar er zijn meerdere equiprobabele ellipsen (weergegeven met verschillende kleurtjes). Er is dus niet één unieke equiprobabele ellips gedefinieerd als je alleen de pdf kent. Misschien bedoelt hij dat, wanneer je een normaalverdeling als pdf hebt, de equiprobabele contouren altijd ellipsen zijn?
Ik quote even uit mijn cursus:
In many cases class distributions in feature space approximate a multi-normal
distribution and can therefore be modelled by the probability density function of
a multi-normal distribution. The function expresses the chance for an arbitrary
pixel of class c of having the set of DN values specified by the vector x.
The multi-normal distribution has the shape of a multi-dimensional ellipse (a
hyperellipse) in feature space. Plotting the probability density function on the
ellipse produces equal probability contours. The variable part of the probability
density function is a squared distance measure known as the Mahalanobis
distance. It is a measure of the distance of a pixels position in feature space
from the class mean, corrected for the variances and covariances of the class.
Verder zei hij in de les: "
PDF is visualised or defined by equiprobability contours".
Ik snapte het toen al niet zo goed.. toen ik het aan de prof apart vroeg, antwoordde hij:
die equi-probability contours worden enkel beschreven door de PDF.
Maar nu ben ik niet meer mee.. :/
In een andere cursus heb ik wel gezien dat voor die equi-probability lijnen er formules zijn. Maar zo in detail gaan wij echter niet. Dus ik weet niet hoe die worden geproduceerd (die lijnen en formules), waar ze vandaan komen etc.. dus ik heb moeite met het in te zien en te aanvaarden
.
Mijn vraag is gwn: je hebt die PDF (een functie, wiskundige formule) --> worden op basis van deze die equiprobabele ellipsen gemaakt of..?
