贝叶斯决策的习题代码演示

一、 题目

设定某一特定区域内细胞识别任务中，正常类别ω1与异常类别ω2的先验概率分别为：
正常情况：P(ω1) = 0.9；
异常情况：P(ω2) = 0.1。
当前存在一组待分析的细胞样本，其观测数据如下：
-2.67 -3.55 -1.24 -0.98 -0.79 -2.85 -2.76 -3.73 -3.54 -2.27 -3.45 -3.08 -1.58 -1.49 -0.74 -0.42 -1.12 4.25 -3.99 2.88 -0.98 0.79 1.19 3.07
两类条件概率密度函数均服从正态分布，具体参数为：
p(x|ω1)=(-2，1.5)，
p(x|ω2)=(2，2)。
相关风险决策参数设定如下：
λ12=7, λ21=2，
λ11=λ22=0。
1）根据最小错误率准则下的贝叶斯决策方法对上述观测数据进行分类处理。
2）采用最小风险贝叶斯决策模型对上述观测数据进行分类分析。

二、 代码演示

1.基于最小错误率的贝叶斯决策方法

    clc
    clear
    %导入数据
    x = [-2.67 -3.55 -1.24 -0.98 -0.79 -2.85 -2.76 -3.73 -3.54 -2.27 -3.45 -3.08