深度学习先决条件1.3-概率频率分布

什么是概率分布？

概率频率分布，是指一个事件的所有可能的结果，以及其结果对应的概率的集合。

为什么要计算概率分布？

某些时候，预期值给不了我们太多的信息。

而概率分布提供了每个可能取值的相对概率的详细描述，使我们能够更好地理解和处理不确定性。

示例

假设有两个六面骰子，我们想知道，投掷这两个骰子一次，得到的两个骰子的点数之和的预期值是多少？

这个事件符合计算预期值里提到的数值变量计算的方法。

因此，我们应该将每一个点数之和乘以投掷出这个点数之和的概率，然后将每一个计算出来的概率值进行累加。

计算公式如下：

E(A)= P(2).2 + P(3).3+... + P(12).12。

我们可以把所有的组合都列出来：

点数之和为2的组合：(1,1)

点数之和为3的组合：(1,2), (2,1)

点数之和为4的组合：(1,3), (2,2), (3,1)

点数之和为5的组合：(1,4), (2,3), (3,2), (4,1)

点数之和为6的组合：(1,5), (2,4), (3,3), (4,2), (5,1)

点数之和为7的组合：(1,6), (2,5), (3,4), (4,3), (5,2), (6,1)

点数之和为8的组合：(2,6), (3,5), (4,4), (5,3), (6,2)

点数之和为9的组合：(3,6), (4,5), (5,4), (6,3)

点数之和为10的组合：(4,6), (5,5), (6,4)

点数之和为11的组合：(5,6), (6,5)

点数之和为12的组合：(6,6)

能够看到，点数之和为2以及12的概率是1/36，点数之和为3以及11的概率是2/36。

依次类推，将每个点数之和的概率以及点数之和的数值代入公式。

E(A)的最终结果为7。

虽然通过预期值计算，我们知道了预期值为7，但是预期值本身并不提供关于每个具体点数之和的概率信息。

它并没有直接告诉我们其它的点数之和的概率是多少，也未展示其他点数之和的概率分布情况。

实际上，你可能得到2、12的机会较小，而得到7的机会较大。

只有预期值的话，无法揭示这种点数之和的分布特征。

又或者，你可能想要知道在点数之和为8和点数之和为11之间的区域内的概率，以便更好地制定下注策略。

只看预期值，可能无法提供这种局部的概率信息。

为了获取更为详细、清晰的信息，以及了解各个点数之和的概率走势，我们需要创建一个概率分布。

概率分布提供了对每个可能取值的相对概率的详细描述。

概率频率分布示例

在下面这个图里，我们能看到每个点数之和，以及它们的概率，出现的频率。

将这12种点数之和以及它们的概率放在一起的集合，它就是一个概率频率分布。

我们可以通过表格或图表来表示这个概率频率分布。

X轴代表各种可能出现的点数之和。

Y轴代表每个点数之和出现的概率。

这样，我们就可以选择最高概率的一段区间进行预测，例如6,7,8的区间，而不是仅仅只依靠一个预期值来预测。