下载文档原格式
一、实验目的1. 理解信号检测论的基本原理和概念。
2. 掌握信号检测论实验方法，包括实验设计、数据收集和分析。
3. 分析信号检测论在心理学研究中的应用，探讨其在不同领域中的价值。
二、实验背景信号检测论（Signal Detection Theory，简称SDT）是心理学中一种重要的理论和方法，主要研究个体在感知和判断过程中的心理机制。
该理论认为，人们在感知外界刺激时，总是受到噪声的干扰，而信号检测论旨在研究个体在噪声中如何识别和判断信号。
三、实验方法1. 实验设计实验采用2（刺激类型：信号与噪音）× 2（判断标准：接受信号、拒绝信号）的混合设计。
2. 实验材料实验材料包括信号、噪音、判断标准等。
3. 实验程序（1）被试随机分为两组，每组10人。
（2）实验开始前，主试向被试讲解实验目的、实验流程及注意事项。
（3）被试依次进行信号和噪音的判断，主试记录被试的判断结果。
（4）实验结束后，主试向被试表示感谢。
四、实验结果1. 数据收集根据实验记录，统计被试对信号和噪音的判断次数。
2. 数据分析（1）计算被试的辨别力指数（d'）：d' = Z(SN) - Z(N)，其中Z(SN)为信号判断的Z得分，Z(N)为噪音判断的Z得分。
（2）计算被试的判断标准（C）：C = Z(SN) - Z(N)，其中Z(SN)为信号判断的Z 得分，Z(N)为噪音判断的Z得分。
五、讨论1. 实验结果分析根据实验结果，我们可以发现：（1）被试在信号和噪音的判断上存在差异，表明信号检测论在心理学研究中的应用具有一定的价值。
（2）被试的辨别力指数和判断标准在不同刺激类型和判断标准下存在差异，表明信号检测论可以揭示个体在感知和判断过程中的心理机制。
2. 信号检测论的应用信号检测论在心理学研究中具有广泛的应用，例如：（1）认知心理学：研究个体在感知、记忆、思维等认知过程中的心理机制。
（2）临床心理学：评估个体的认知功能，为心理疾病的诊断和治疗提供依据。
信号检测论的原理及其在心理实验中的应用下载提示：该文档是本店铺精心编制而成的，希望大家下载后，能够帮助大家解决实际问题。
文档下载后可定制修改，请根据实际需要进行调整和使用，谢谢!本店铺为大家提供各种类型的实用资料，如教育随笔、日记赏析、句子摘抄、古诗大全、经典美文、话题作文、工作总结、词语解析、文案摘录、其他资料等等，想了解不同资料格式和写法，敬请关注!Download tips: This document is carefully compiled by this editor. I hope that after you download it, it can help you solve practical problems. The document can be customized and modified after downloading, please adjust and use it according to actual needs, thank you! In addition, this shop provides you with various types of practical materials, such as educational essays, diary appreciation, sentence excerpts, ancient poems, classic articles, topic composition, work summary, word parsing, copy excerpts, other materials and so on, want to know different data formats and writing methods, please pay attention!1. 引言1.1 研究目的。
1.2 文章结构。
信号检测论（Signal Detection Theory，简称SDT），是一种心理物理法，是关于人们在不确定的情况下如何作出决定的理论。
它是信息论的一个重要分支。
在SDT实验中通常把刺激变量看作是信号，把刺激中的随机物理变化或感知处理信息中的随机变化看作是噪音。
常以SN（信号加噪音）表示信号，以N表示噪音。
信号检测了最初是信息论在通讯工程中的应用成果，专门处理噪音背景下对信号进行有效分离的问题，其过程本质上是一种统计决策程序。
在信号检测论引入心理学研究领域后，一些原先的基本概念、思想和假设被移植到心理物理学情境中来。
信号和噪音是信号检测论中最基本的两个概念。
在心理学中，信号可以理解为刺激，噪音就是信号所伴随的背景。
编辑本段信号检测论是一种把通讯系统中雷达探测信号的原理用于人的感知觉研究的理论。
它是特纳和斯威茨在1954年引入心理学的。
信号检测论的提出改变了传统上人们对感觉阈限的理解。
20世纪50年代，实验心理学受行为主义思想的支配，以刺激一反应（S—R）为核心，认为所有的行为都是机体对刺激的反应，心理学只能研究那些能够直接观察和记录的外显反应，心理科学的任务就是把刺激与特定刺激有关的行为鉴别出来，发现对S—R联结可能有影响的各种因素。
起先，行为主义原则似乎很管用，在感觉阈限、语词学习、比较心理等研究领域取得了一系列重要成果。
可是，心理学家们渐渐意识到，人类行为是一系列复杂事件的最终表现，远不是用简单的S—R就能说清楚的。
这一改变很大程度上要归因于信号检测论的发展。
信号检测论把外部世界的刺激能量作为主体探测的对象，把人的内部表征看作是外部刺激与以前经验共同作用的结果。
它的引入为假设刺激能量与内部表征间的关系提供了必要的联系环节。
编辑本段信号检测论发展起来是从电子工程学和统计决策论中发展起来的。
第二次世界大战期间，工程师们创立了一种用来说明雷达设备搜寻探测飞行物过程的信号检测理论。
特纳和斯威茨认为，雷达系统搜索目标的过程和人类寻找信号进行反应的过程是类似的。
传统心理物理学方法与信号检测论一、本文概述本文旨在深入探讨传统心理物理学方法与信号检测论的核心原理和应用。
心理物理学，作为心理学与物理学的交叉学科，研究物理刺激与心理感知之间的关系，揭示人类感知世界的机制。
而信号检测论，作为一种统计决策理论，在心理物理学中发挥着重要作用，帮助我们理解人类在接收和处理信息时的决策过程。
我们将首先对传统心理物理学方法进行概述，包括其基本原理、发展历程以及主要的研究方法和技术。
随后，我们将深入探讨信号检测论的基本概念、理论框架和关键应用。
我们将重点关注信号检测论在心理物理学中的应用，如感知阈值的测定、信号识别与决策等。
通过本文的阐述，我们期望读者能够全面了解传统心理物理学方法与信号检测论的基本知识和应用，为相关领域的研究和实践提供有益的参考。
我们也希望激发读者对这些领域进一步探索的兴趣，推动心理物理学和信号检测论的发展。
二、传统心理物理学方法概述传统心理物理学方法，也称心理物理学实验法，是一种探究人类感知和认知过程的重要手段。
心理物理学旨在通过定量的方式理解和描述心理现象与物理刺激之间的关系。
这种方法的历史可以追溯到19世纪末，由德国物理学家和心理学家费希纳（Gustav Fechner）提出的心理物理定律为心理物理学奠定了理论基础。
传统心理物理学方法主要包括极限法、平均差误法、恒定刺激法、梯度法等。
这些方法的核心思想是通过控制物理刺激变量，观察并测量个体的心理反应，从而揭示心理与物理刺激之间的数量关系。
极限法是一种测量感觉阈限的经典方法，通过递增或递减刺激强度，观察个体能够感知到的最小或最大刺激强度。
平均差误法则通过让被试者对一系列已知强度的刺激进行估计，然后计算估计值与真实值之间的平均差异，以评估感知的准确性和精度。
恒定刺激法则通过呈现一系列固定强度的刺激，并测量被试者的反应时间和准确性，以研究感知过程的动力学特性。
梯度法则通过呈现一系列不同强度的刺激，让被试者判断刺激强度的变化，从而探究感知的分辨能力和敏感性。
信号检测论的原理信号检测理论是一种用于统计决策问题的数学方法，用于判断未知信号在噪声背景下的存在与否。
在通信、雷达、生物医学等领域，信号检测理论被广泛应用来帮助我们识别和判别信号。
信号检测理论的基本原理可以归结为两个假设：有和无。
有假设表示待检测信号存在，无假设则表示不存在。
在判断信号是否存在时，我们根据信号的特征和信噪比来做出决策。
在信号检测理论中，我们用到了四个重要概念：信号、噪声、信噪比和决策准则。
信号是我们要检测的对象，可以是一些特定的事件或现象的表现。
噪声是存在于信号之外的其他无关的干扰或背景。
信噪比是衡量信号与噪声之间的比例，它反映了待检测信号在噪声中的强度。
决策准则是我们根据信号的特征和信噪比来做出的决策。
在信号检测理论中，最基本的问题是如何确定决策准则。
通常，我们使用两个统计量来判断信号是否存在：接收到的信号幅度和信号的功率。
通过对这两个统计量进行假设检验，我们可以得到一个关于信号存在与否的决策。
在信号检测理论中，我们使用了两种基本的假设检验：一是简单假设检验，即有无信号的二分类问题；二是复合假设检验，即有多个可能有信号的类别。
对于简单假设检验，我们使用了两个统计量来评估决策准则：检测概率和虚警概率。
检测概率是指在有信号的情况下，正确地判别出信号存在的概率；虚警概率是指在无信号的情况下，错误地判断出信号存在的概率。
信号检测理论中的一个重要概念是最佳决策准则。
最佳决策准则是指在给定限制条件下，能够最大化检测概率同时最小化虚警概率的决策准则。
最佳决策准则可以通过最大似然比测试来得到。
最大似然比测试是根据接收到的信号与噪声的概率分布，计算出信号存在和不存在的似然比，然后将似然比与一个事先设定的阈值进行比较，决定信号的存在与否。
除了最佳决策准则外，信号检测理论还涉及到几个重要的概念和技术。
其中包括缺失检测、虚警概率、检测门限、信道容量等。
这些概念和技术都是为了在实际应用中提高检测性能而设计的。
信号检测论1. 引言信号检测论的研究对象是信息传播系统中信号的接收问题。
在心理学中，它是借助于数学的形式描述“接收者”在某一观察时间内将掺有噪音的信号从噪音中辨别出来。
信号检测论应用于心理学中的基本原理是：将人的感官、中枢分析综合过程看作是一个信息处理系统，应用信号检测论中的一些概念、原理对它进行分析。
信号检测论在心理学中具体应用时，常把刺激变量当作信号，把对刺激变量起干扰作用的因素当作噪音，这样就可以把人接收外界刺激时的分辨问题等效于一个在噪音中检测信号的问题，从而便可以应用信号检测论来处理心理学中的实验结果。
信号检测论的理论基础是统计决策。
信号检测论本身就是一个以统计判定为根据的理论。
它的基本原理是：根据某一观察到的事件，从两个可选择的方面选定一个，人们要想作这样的决策，必须有一个选择的标准。
由于事物之间的区别并不那么明显，人在做决定时往往不是对就是错，因此当刺激超过这一标准时被试就以有信号反应，当刺激达不到这一标准时被试就以无信号反应。
在信号检测实验中，被试对有无信号出现的判断可以有四种结果：击中、虚报、漏报、正确否定。
本实验的目的：检验当呈现信号和噪音的先定概率发生变化时，对被试辨别力（d’）和判断标准是否都有影响，并学习绘制ROC曲线。
2.方法2.1被试本实验的被试为徐州师范大学本科生一名，20岁，女生。
2.2材料两个数字总体（SN和N）卡片正面写有1或2位的数字。
2.3程序（1）确定五种SN呈现的先定概率，为了消除顺序效应，实验按表中顺序进行。
（2）主试将P(SN)=0.9，P(N)=0.1分别从总体SN和N中随机取样，形成一个n=50的样本。
（3）将A和B数字分布表给被试看，并对她说“这是两个数字分布表，B分布中的一部分数字和A分布中的一部分数字是相同的。
实验时我每一次给你看一个数字，要你判断它是来自哪一部分。
也就是你回答A或B.现在你看看这两个分布有哪些相同的和不同的地方。
给你5分钟时间看”（4）5分钟后，主试收回分布表，再对被试说：“下面我要连续给你看50张卡片，这50个数目中有45个来自B总体，只有5个来自A总体。
第二章 检测理论1．二元检测：① 感兴趣的信号在观测样本中受噪声干扰，根据接收到的测量值样本判决信号的有无。
② 感兴趣的信号只有两种可能的取值，根据观测样本判决是哪一个。
2．二元检测的数学模型：感兴趣的信号s ，有两种可能状态：s0、s1。
在接收信号的观测样本y 中受到噪声n 的污染，根据测量值y 作出判决：是否存在信号s ，或者处于哪个状态。
即：y(t)=si(t)+n(t) i=0,1假设：H 0：对应s0状态或无信号，H 1：对应s1状态或有信号。
检测：根据y 及某些先验知识，判断哪个假设成立。
3. 基本概念与术语✧ 先验概率：不依赖于测量值或观测样本的条件下，某事件（假设）发生或 成立的概率。
p(H 0),p(H 1)。
✧ 后验概率：在已掌握观测样本或测量值y 的前提下，某事件（假设）发生或成立的概率。
p(H 0/y),p(H 1/y) 。
✧ 似然函数：在某假设H0或H1成立的条件下，观测样本y 出现的概率。
✧ 似然比：✧ 虚警概率 ：无判定为有；✧ 漏报概率 ：有判定为无；✧ （正确）检测概率 ：有判定为有。
✧ 平均风险： 4.1 最大后验概率准则（MAP ）在二元检测的情况下，有两种可能状态：s0、s1，根据测量值y 作出判决：是否存在信号s ，或者处于哪个状态。
即： y(t)=si(t)+n(t) i=0,1假设：H 0：对应s0状态或无信号，H 1：对应s1状态或有信号。
)|()|()(01H y p H y p y L =f P m P d P )(][)(][111110101010100000H P C P C P H P C P C P r ∙++∙+=如果 成立，判定为H0成立；否则 成立，判定为H1成立。
利用贝叶斯定理： 可以得到： 如果 成立，判定为H0成立； 如果 成立，判定为H1成立；定义似然比为：得到判决准则： 如果 成立，判定为H0成立； 如果 成立，判定为H1成立；这就是最大后验准则。
一、实验目的1. 理解信号检测论的基本原理和概念。
2. 掌握信号检测实验的方法和步骤。
3. 分析信号检测实验结果，了解信号检测论在心理学研究中的应用。
二、实验背景信号检测论（Signal Detection Theory，简称SDT）是现代心理物理学的重要组成部分，起源于20世纪50年代。
它主要研究人类在感知和判断过程中，如何从含噪声的信号中提取有效信息。
信号检测论的核心观点是：人们在感知信号时，不仅受到信号本身的制约，还受到噪声和个体主观因素的影响。
三、实验方法1. 实验对象：选取10名身心健康、年龄在18-25岁之间的志愿者作为实验对象。
2. 实验材料：JGWB心理实验台操作箱、100克、104克、108克、112克的重量各一个。
3. 实验步骤：（1）准备工作：将实验器材准备好，确保实验环境安静、光线适宜。
（2）实验过程：实验者随机抽取四个重量（100克、104克、108克、112克）进行判断。
每个重量呈现3次，共计12次。
实验者需要判断每个重量的重量大小，并报告是否为“重”。
（3）数据记录：实验者对每个重量的判断结果进行记录，包括“重”和“轻”两种情况。
4. 实验数据分析：运用信号检测论的相关指标，对实验数据进行统计分析。
四、实验结果1. 辨别力（d'）：辨别力是反映个体对信号与噪声差异敏感程度的指标。
在本实验中，10名志愿者的辨别力平均值约为2.3。
2. 判断标准（C）：判断标准是反映个体在判断过程中所采用决策规则的指标。
在本实验中，10名志愿者的判断标准平均值约为0.7。
3. 先验概率：先验概率是指实验者在判断前对信号出现的概率估计。
在本实验中，设定信号出现的概率为0.5。
五、实验分析1. 辨别力分析：实验结果显示，志愿者的辨别力平均值约为2.3，说明志愿者在判断过程中能够较好地识别信号与噪声的差异。
2. 判断标准分析：实验结果显示，志愿者的判断标准平均值约为0.7，说明志愿者在判断过程中倾向于宽松的决策规则。
信号检测论名词解释
信号检测论 (Signal Detection Theory，简称 SDT) 是一种用于分析人们在噪声背景中检测信号的心理物理学理论。
它最初应用于通信工程中，但后来被引入心理学实验中，成为了心理学领域中重要的理论之一。
SDT 的基本思想是，人类感知系统的性能可以通过概率论和统计学的方法来描述。
在噪声背景中检测信号的过程，可以被看作是一个决策过程。
决策者需要根据已知的信号和噪声的概率分布，以及检测阈值等因素，做出最佳的决策。
SDT 中涉及到两个重要的参数：辨别力指标 d"和判断标准。
辨别力指标 d"是指被试对刺激的感受性的度量，它反映了被试对信号的敏感度。
判断标准是观察者反应偏向的度量，常用似然比标准或报告标准 C 来进行衡量。
似然比标准是一种基于概率论的标准，它可以比较准确地衡量观察者的决策是否正确。
报告标准 C 则是基于反应时间的标准，它可以帮助观察者更好地控制反应时间，从而提高检测效率。
SDT 还被广泛应用于许多实际领域，例如医学、心理学、通信工程等。
它在研究人类感知系统的性能、决策过程等方面，具有非常重要的意义。
同时，SDT 也为许多实际应用提供了理论依据，例如在信号检测和识别、图像处理、语音识别等领域的研究中，都有广泛的应用。
微弱信号特征提取方法第一部分信号检测理论基础 (2)第二部分噪声背景下的特征识别 (4)第三部分时频域分析方法应用 (7)第四部分自适应滤波器设计 (11)第五部分非线性信号处理技术 (14)第六部分特征提取算法比较 (18)第七部分信号分类与模式识别 (23)第八部分特征提取的实验验证 (26)第一部分信号检测理论基础# 微弱信号特征提取方法## 信号检测理论基础### 引言在现代通信与信息处理领域，微弱信号的特征提取是至关重要的环节。
由于微弱信号往往淹没在噪声之中，其有效识别与分析对于提高系统性能具有显著意义。
本文将探讨信号检测理论的基础知识，为后续的特征提取方法提供理论支撑。
### 信号与噪声的基本概念#### 信号定义信号可以定义为携带信息的物理量，它通常以时间函数的形式存在，如电压、电流或声波等。
根据其统计特性，信号可以分为确定性和随机两大类。
确定性信号具有固定的数学表达式，而随机信号则表现为一系列不确定的样本值。
#### 噪声定义噪声是指那些对信号传输和处理产生干扰的无用信息。
从统计角度来看，噪声通常被建模为随机过程，它的存在增加了信号处理的难度。
### 信号检测模型#### 假设检验信号检测理论基于统计学中的假设检验原理。
假设检验是一种统计推断方法，用于判断一个样本集是否来自于已知分布的总体。
在信号检测的背景下，我们通常有两个相互竞争的假设：-**H0**（Null hypothesis）: 无信号存在，仅有噪声；-**H1**（Alternative hypothesis）: 有信号存在，信号叠加在噪声之上。
#### 判决准则信号检测的任务是在给定观测数据的情况下，决定应该接受哪个假设。
这通常涉及到设定一个决策阈值，当观测值超过这个阈值时，就认为信号存在。
这种决策规则被称为“判决准则”。
### 信号检测性能指标#### 正确率与错误率在信号检测过程中，正确地检测到信号的存在称为“击中”（H i t），而错误地将噪声误判为信号称为“虚警”（False Alarm）。
信号检测论信号检测论是一门研究如何在噪声背景下有效地检测和识别信号的理论。
在现代通信系统、雷达系统、生物医学工程等领域中，信号检测一直是一个重要的研究课题。
本文将从信号检测的基本概念出发，探讨信号检测论的相关内容。
信号和噪声在信号检测中，我们首先需要了解信号和噪声的概念。
信号是我们想要探测的目标，例如雷达系统中的目标雷达信号或医学影像中的心电信号；而噪声则是干扰信号的外部因素，例如电磁干扰、环境噪声等。
在信号检测中，我们需要通过一定的算法和技术来区分信号和噪声，从而准确地检测出我们感兴趣的信号。
信号检测的性能指标在进行信号检测时，我们通常会关注几个重要的性能指标，包括虚警率和漏检率。
虚警率是指系统错误地将噪声识别为信号的概率，而漏检率则是系统错误地将信号识别为噪声的概率。
在实际应用中，我们希望尽可能降低虚警率的同时又能保证较低的漏检率，以提高系统的准确性和可靠性。
常见的信号检测算法在信号检测中，常见的算法包括最大似然检测、贝叶斯检测和最小均方误差检测等。
最大似然检测是一种基于似然函数最大化的方法，适用于信号和噪声服从已知概率分布的情况。
贝叶斯检测则是基于贝叶斯理论的方法，考虑了信号和噪声的先验概率分布，具有更好的鲁棒性和泛化能力。
最小均方误差检测是一种基于均方误差最小化的方法，适用于信号和噪声服从高斯分布的情况。
信号检测的应用信号检测理论在实际应用中具有广泛的应用，例如在雷达系统中用于目标检测和跟踪、在通信系统中用于信道估计和符号检测、在生物医学工程中用于生理信号分析和疾病诊断等。
通过信号检测理论的研究和应用，可以提高系统的性能和可靠性，为各种应用场景提供了重要的技术支持。
结语信号检测论作为一门重要的理论学科，在现代科学技术领域中具有重要的应用和研究价值。
通过对信号检测的基本概念、性能指标、常见算法和应用进行了探讨，我们可以更好地理解信号检测的原理和方法，为未来的研究和实践提供参考和指导。
希望本文能够为信号检测论的学习和应用提供一些帮助和启发。
13
3.1 内容提要及结构
本章首先介绍信号检测的实质和信号检测的数学基础：贝叶斯统计，讨论信号检测的基本原理。
然后，讨论确知信号检测，包括二元确知信号检测和多元确知信号检测。
最后，讨论随机参量信号检测，包括二元随机参量信号检测和多元随机参量信号检测。
本章内容逻辑结构如图3.1.1所示。
2.2 目的及要求
本章的目的是使学习者理解信号检测的实质，熟悉贝叶斯统计的主要内容（基本观点、贝叶斯假设、贝叶斯定理、贝叶斯统计推断及贝叶斯统计决策）。
掌握基于贝叶斯统计决策方法的信号检测的基本原理。
从使用条件、准则、检测判决式、信号检测结构及检测性能分析
图3.1.1 内容逻辑结构图 信号检测 的基本理论 二元随机参 量信号检测 贝叶斯风险准则 最大平均后验概率准则 奈曼-皮尔逊准则 最大广义似然准则
极小极大准则 确知信号
检测 多元确知 信号检测 贝叶斯准则 最大后验概率准则 最大似然准则
二元确知
信号检测 最小平均错误概率准则 贝叶斯风险准则 最大后验概率准则 奈曼-皮尔逊准则
最大似然准则 极小极大准则 多元随机参 量信号检测 随机参量 信号检测 信号检测 的基本原理
信号检测
的实质
信号检测 的数学基础
等方面，理解和掌握二元确知信号检测方法、多元确知信号检测方法及二元随机参量信号检测方法。
熟悉多元随机参量信号检测的基本原理。
3.3 学习要点
3.3.1 信号检测的实质
●内容提要：本小节主要简述信号检测的实质与思路。
●关键点：理解简述信号检测的实质与思路。
1．信号检测的实质
针对随机信号的假设检验问题，是随机信号的贝叶斯假设检验，是应用贝叶斯统计决策研究随机信号的假设检验问题。
2．信号检测的思路
将观测信号看作总体，应用贝叶斯统计决策，先假设，再抽样，后检验。
3.3.2 信号检测的数学基础
●内容提要：本小节主要介绍贝叶斯统计的基本观点、贝叶斯假设、相关的概率分布和概率密度、贝叶斯定理、贝叶斯统计推断及贝叶斯统计决策；将信号检测与贝叶斯统计结合，说明信号检测的思路。
●关键点：理解先验分布、似然函数、后验概率密度、样本概率密度及联合概率密度的物理意义，掌握贝叶斯统计的基本观点、贝叶斯统计推断及贝叶斯统计决策原理。
1．贝叶斯统计
（1）贝叶斯方法：基于贝叶斯定理的系统阐述和解决统计问题的理论和方法。
（2）贝叶斯统计：采用贝叶斯方法研究统计问题的理论和方法。
（3）贝叶斯统计主要包括贝叶斯统计推断和贝叶斯统计决策两个方面的内容。
2．贝叶斯统计的基本观点
①把任意一个未知参量都看成随机变量，应用一个概率分布去描述它的未知状况，该分布称为先验分布。
先验分布是在抽样前就有的关于未知参量的先验信息的概率陈述。
②通过贝叶斯定理，用数据（也就是样本）来调整先验分布，得到一个后验分布。
③任何统计问题都应由后验分布决定。
3．贝叶斯假设
如果没有任何以往的知识和经验来帮助人们确定先验分布，可以采用均匀分布作为先验分布，这种确定先验分布的原则称为贝叶斯假设。
均匀分布的先验信息是最不利的先验信息。
4．贝叶斯统计的相关概率分布和概率密度
（1）先验分布：对于依赖于参量的随机变量，在对随机变量抽样前就能确定的参量的概率或概率密度。
（2）似然函数：对于依赖于参量的随机变量，以参量为前提条件的随机变量观测样本的条件概率密度，称为似然函数。
似然函数描述了在参量已假定的前提条件下，随机变量观测样本的统计特性，它反映了14。
