From 0f2d459b64063075eca729473219e715d357cc04 Mon Sep 17 00:00:00 2001
From: BlitherBoom812 <tsz21@mails.tsinghua.edu.cn>
Date: Mon, 27 May 2024 12:11:44 +0800
Subject: [PATCH] 20240527

---
 source/_posts/StaSP.md | 22 +++++++++++++++++++++-
 1 file changed, 21 insertions(+), 1 deletion(-)

diff --git a/source/_posts/StaSP.md b/source/_posts/StaSP.md
index acfabd4a..f574ea57 100644
--- a/source/_posts/StaSP.md
+++ b/source/_posts/StaSP.md
@@ -504,6 +504,8 @@ $$
 
 这就是 MMSE
 
+此时为平均值。
+
 #### 绝对误差
 
 $$
@@ -519,6 +521,8 @@ $$
 \int_{-\infty}^{\hat{\theta}}p\big(\theta|x\big)d\theta=\int_{\hat{\theta}}^{+\infty}p\big(\theta|x\big)d\theta 
 $$
 
+为中位数
+
 #### 成功失败型误差
 
 $$
@@ -1287,4 +1291,20 @@ $$
 \max_iP(H_i\mid\boldsymbol{x})
 $$
 
-若此时先验概率相同，则为最大似然准则。
\ No newline at end of file
+若此时先验概率相同，则为最大似然准则。
+
+## 总结知识点
+
+### 估计理论
+
+MAP 估计通常不能使用参数变换，变换后的参数不一定是 MAP。但是 MLE 可以。
+
+LS 方法与 BLUE 等 MVU 的衍生方法有一点不同，就是基础的 LS 没有使用协方差矩阵，但是加权的 LS 可以用协方差矩阵修正结果。
+
+贝叶斯方法和经典方法的区别在于是否把估计量的真值看作一个随机变量。它们都以“平均误差最小”为目标。
+
+### 检测理论
+
+贝叶斯风险：让平均的风险最小化。
+
+未知多余参数如果影响最终的判决结果，可以用贝叶斯方法或者GLRT方法处理。
\ No newline at end of file