概率论全面总结

机器学习中，很多算法的推导，需要概率和统计的很多知识。学校里学的时候，基本是囫囵吞枣，也忘得差不离了。

现在复习一下，找一些概率与统计这门课的感觉。主要理解下什么是随机变量，与概率的关系，要样本干什么，等等。

1. 什么是古典概率？

有限个可能事件，且每个事件都是等可能概率事件。这个与抽样问题，经常联系起来

2. 什么是几何分布、超几何分布 ？

都是离散概率分布。是抽取问题的一种。

几何分布，是描述的n重伯努利实验成功的概率。前n-1次失败，第n次成功，才叫几何分布。或者说，首次成功的实验 的概率分布。

超几何分布，其实是二项分布的变体，二项分布是同一事件，重复n次的概率分布；而超几何分布，是一个事情只在每个维度上，都做一次。

3. 放回抽样与不放回抽样的概率有什么不同？

其实是相同的。为什么？

放回抽样，很好理解，每次情景相同，概率都相同。

而不放回抽样，每次抽样，都是与前些次的抽样相关的。这其实是一个排列组合问题。有的书采用对称性进行分析，每次事件相互独立，且具有对称性，其基本事件：抽样的序列，仍是排列。

从相关性上，前面的人抽中，与抽不中，对后面都有影响，但是这种影响又相互抵消。除非，前面有人知道如何抽中指定的。这个采用全概率公式，推导比较合理。

如当抽过i-1次后，仍剩下m个红球，n个白球。第i次抽取白球的概率为

n/(m+n).

则第i+1次抽取白球的概率为： 全概率公式：  n/(m+n)  *  (n-1)/(m+n-1)  +  m/(m+n) * n/(m+n-1) = n/(m+n) 递推下去，每次抽取的概率都是相同的。

更进一步，这个问题，可变体为：蒙提霍尔问题，出自美国的电视游戏节目Let’s Make a Deal。汽车与山羊，三扇门，选中汽车的概率，在开启一扇门后，有没有变化。

若主持人不知情，则概率无变化。剩余两门：1/2,1/2，无放回抽样类似。

若主持人知情，概率就会发生变化。剩余两门：未开门的概率为2/3，1/3，非概率事件。

4. 什么是随机变量？与概率什么关系？

一个单值实值函数，是一个函数X。而每个具体的实值x，会有一个出现的概率，这个概率能用这个函数（随机变量）能体现。随机变量的概念在机器学习的贝叶斯学习中、模式识别的贝叶斯分类中，是分析的基础。

5. 离散随机变量，常见的有哪些

三种分布

利用排列组合的知识，0-1分布，二项分布/n重伯努利分布 都比较好理解。

而泊松分布 是一种指数分布的形式。基本上是泰勒展开式的形式。为什么会有泊松分布的形式？

它也是一个单峰值函数，n无穷大时，可以近似二项分布。 因为二项分布的计算不如泊松分布方便。

以平均值，就能表征一个群体的特征的分布。n*lambda。围绕中心分布，两边衰减极快。

其主要描述一种稀有事件发生的概率。n很大，p很小。 而且其 期望与方差 都是lambda。 适合描述 单位时间、空间内 随机发生的事情。

–>> 随机变量，从离散型至连续型。离散型的随机变量，比较好理解，而连续型的随机变量，某一点的概率是为0.所以，连续型的随机变量，利用区间来表示。

而连续型的随机变量，即是一个连续型的函数。其用某区间内的概率表示，就比较合适。用区间概率表示的函数，就是随机变量的分布函数F(x)。而区间的概率表示：

P(x1 <x<=x2) = F(x2) - F(x1).

推导出随机变量的概率密度函数 f(x)。

6. 连续型随机变量，如何定义，如何表示？

分布函数：

1）均匀分布、平均分布

2）指数分布

这个分布的形式很重要，它是一般线性回归的分布的主要形式。

对于可靠性分析，排队论中有广泛应用。

3）高斯分布、正态分布

也可以说是指数分布的一种特殊表现形式。拥有对称性，极大值等特性。 噪声的分布经常都是正态分布，在应用中，基本上都假设是这种分布，在大部分的统计中，也确实符合这种分布。

其方差与置信区间的关系，3sigma法则 99.74%

正态分布的线性变换，仍然是正态分布，且性质保持不变。所以，任何随机变量正态分布，都可以转换为标准正态分布，进行求值，查询。分位点的概念，就是随便变量转换为标准正态后的对应的值。

 已知随机变量X的分布，Y与X的关系，推导Y的分布。很重要。

F(Y) = P(Y<y) = P(X < g(y)).即可 

7. 二维随机变量，是推广到高维随机变量的基础。

问题：X,Y相互独立情况下，其概率分布情况？

相互独立的随机变量：性质 F（X, Y） = F(X) * F(Y)

X,Y非独立情况下，X在Y限制下的条件分布？

边缘分布 fy = 积分f(x,y)dx

条件分布 f(x,y) / fy

求证X+Y <=Z 的概率密度函数， 备用系统

将x+y<z的积分， 转换为x =u-y，将积分转换为dy与dx次序无关的积分。

Z=XY, 或Z=X/Y的分布

积分，变换，次序无关，求导

Z=min(x, y)  Z=max(x, y)的分布, 串联、并联系统

max(x,y ) <=z  等同于 x<=z, y<=z

min(x, y) <=z 等同于 1-( max(x, y) > z) = 1-( x>z, y>z)

以上都是随机变量、概率的联系和推导。

8. 随机变量的数字特征，有哪些

转换到随机变量自身的性质。而且随机变量真正的分布是不知道的，只能通过其统计特征来估计其分布。

期望：又称均值。对于连续型随机变量，就是积分了。一阶矩。这个可以用来衡量偏差。E（|X-EX|）

方差：衡量离散的程度。与二阶矩相关。EX^2 - (EX)^2

与期望、方差及概率相关的一个定理:

切比雪夫不等式 P（|x -u| > m） < D(x)/m

协方差，这个概念在机器学习，统计学中跟方差的概念同样重要。因为两个随机变量不可能任何时候都是相互独立的。

不相关是针对线性关系而言，而相互独立是对一般关系而言，包括非线性关系。

矩：随机变量的各阶的数字特征

协方差矩阵：多维随机变量的联合数字特征。一个对称阵。半正定矩阵，对角元素为各随机变量的方差。在PCA中，协方差矩阵是求特征值的首要构成。

9. 大数（高频重复试验）定理与概率的关系。

独立同分布随机变量序列的算术平均值是如何收敛到、接近其期望的。

辛钦定理的描述的概率事件。 小概率事件，一件事重复发生n次。

试验次数很大时，可以用频率代替事件的概率。频率与概率的偏差非常小。

中心极限定理，随机序列足够大时，拟合正态分布，求具体事件发生的概率

1）同分布，同方差，期望。 所有随机变量序列的和（期望、方差和），服从正态分布

2）已知方差，期望。分布不知，所有随机变量的和（期望、方差和），服从正态分布

3）二项分布，n重复大时，重复次数足够大时，二项分布与正态分布相似。可以用正态分布来计算二项分布。

这类问题，先知道基本事件发生的概率，然后求期望，方差，拟合正态分布，再求具体事件发生的概率。

概率论都是研究 概率、随机变量分布，及其关系。但这些都是理论，未与实际应用结合。而且实际的随机变量是不可完全精确测的。

—————-

所以，统计，就是如何估计，拟合这些随机变量的。或者，判断某随机变量与某分布的拟合程度，或关系。

观测，获取样本，由样本进行统计、推断。

而样本除了自身的值，还可以扩展出各种统计量，就由样本值计算的高阶数据：均值、方差、高阶矩。

10. 经验分布函数、真实分布函数 关系

当样本个数足够大时，两者相等。

什么是样本？与总体的关系？

实际应用中总体的随机分布是未知的，一个总体对应一个随机变量，而从总体中抽取一个个体，就是样本，样本就是与总体有相同分布的随机变量。即样本与总体，都是随机变量，而且服从相同分布。样本间是相互独立的。

当测量或观察完成， 样本随机变量就会得到一个实数值，这就是样本值。

反过来，服从同一分布函数，且相互独立的随机变量序列，就是同一总体中的样本。

通过样本值来估计样本和总体的分布，就是统计的事。

抽样分布，又叫统计量分布。当总体的精确的分布函数确定时，其统计量分布（抽样分布）就确定了，然后，统计量的精确分布的求解是很困难的。所以，只能从样本中计算。

常用抽样分布：

1）卡方分布

统计量：来自N(0， 1)的样本的平方和

服从自由度为n的卡方分布。 EX = n， DX = 2n

2）t分布、student分布

卡方分布，自由度为n

3）F分布

与卡方分布相关，自由度n1,n2

当总体分布N(u，DX)已知，则抽样的统计量分布是：

服从正态总体的、样本均值的 分布

N(u, DX/n)

抽样（样本均值、样本方差）与卡方分布的关系

抽样（抽样期望与抽样方差）与t分布的关系

两个正态分布的抽样统计量与 F分布，t分布的关系。

由假设的正态分布的样本，到样本的函数分布，正态样本的统计量的分布函数形式。应该说是重点关注的正态样本的统计量。

一个总体，是一个随机变量

而每个样本，也是一个随机变量，是对总体的一次观察，每个样本的值，是一个实数。

区别：样本、样本值

11. 参数估计：

机器学习中，最基本的推理基础。

估计量的定义： 以样本为自变量的函数/统计量。

因此，常用的估计量有：

1）矩估计量

比较好理解，均值，方差，n阶矩

2）最大似然估计量

概率密度函数f(x; theta), theta是估计量

那么所有样本的联合概率密度函数就是：

f(xi, theta)的连乘。

为什么要构造这个形式？有什么理论依据？

首先，要假设，或已知带参数的分布函数

然后，构造联合概率分布函数，因为每个样本也都是随机变量

最后，求极值。计算出估计量。

极大似然函数，或者对数极大似然函数构造 是关键。 理解样本X是随机变量。

机器学习中，常用的解法是梯度下降法，或牛顿法。

估计量的性质：

1）无偏性、针对期望

无偏估计量：估计量的期望 等于 真实值

如样本方差S^2是总体方差的估计量，而不是二阶中心矩；

除以n-1，而不是n，是因为 样本均值的影响，样本均值也是一个随机变量。

所有样本平方和 减去 样本均值的平方，就是样本方差。而样本均值的方差是总体方差的1/n。

2）有效性：针对方差

比较两个估计量，相同无偏性的性质下，哪个散度小，即D(theta)，就选哪个。

3）相合性

样本无穷大，估计量等于真实值。极大似然估计法，满足这个特性。

12. 置信区间

条件：已知总体分布、样本数据

求满足某个概率的区间。 即可以理解为，在这个范围内，达到某种可信度，可信概率。

计算出样本均值，样本方差。然后，由统计量的分布，进行计算置信区间。

常见问题

正态分布：

1）求期望的置信区间

总体方差已知：正态分布

总体方差未知：应用样本方差，t分布 

2）求方差的置信区间

利用样本方差，和卡方分布，进行计算

3）两个总体是正态分布的情况

求期望差的置信区间：

    总体方差已知：正态分布

    总体方差未知：t分布

求方差比的置信区间

    F分布，样本方差

单侧置信区间：

上限或下限，与双侧置信区间相比，需要查不同的表，但是计算方法相同。

13. 假设检验：

线性回归，逻辑回归，一般回归的分析的基础。

解决的问题：

在整个总体分布未知或仅知道形式，但各种参数未知，仅有一些测试的样本数据的场景下，提出某种假设。利用样本，验证假设的合理性。

一个判断的标准，需要一个接受假设的概率。

利用这个概率，去查询对应的分布的区间。

计算样本的统计量，看是否在其分布的接受区间内。

因此，由接收概率，提出接收域，拒绝域。双边检验，单边检验。

相当于，求出置信区间，然后判断统计量，是否在置信区间内。

置信水平 + 显著性检验水平 = 1

再接下来，就能过度到方差分析与回归分析了。

只不过，统计学中的回归分析，在拟合出模型后，还要做假设检验等等。

—————————–

1. 什么是先验概率？

事情未发生，只根据以往数据统计，分析事情发生的可能性，即先验概率。

2. 什么是后验概率？与先验概率关系？

事情已发生，已有结果，但求引起这事发生的因素的可能性，有果求因，即后验概率。 后验概率，引起的原因，是测量可能错误。

后验概率的计算，是以先验概率为前提条件的。如果只知道事情结果，而不知道先验概率（没有以往数据统计），是无法计算后验概率的。

后验概率的计算需要应用到贝叶斯公式

3. 贝叶斯公式与先验、后验概率的关系？

全概率公式，总结几种因素，事情发生的概率的并集。由因求果。

贝叶斯公式，事情已经发生，计算引起结果的各因素的概率，由果寻因。同后验概率。

4. 什么是条件概率？

后验概率是一种条件概率。

但条件概率不一定就是后验概率。

如 P(y|x)，P(x|y)都是条件概率，二者表示的含义却不同。这里x表示因，y表示果。或者说x是特征，y是模型结果。

则P(y)是先验概率，而P(x|y)是后验概率。

而P(y|x)是一个条件概率，而不是后验概率。

P(xy) = P(x|y)*P(y)

而一般分析问题时，已知的是特征x，需要判别结果y。

这里由推出一个判别模型。

5. 什么是判别模型？

计算判别模型P(y|x)时，需要 先验概率，后验概率作为基础。又称为条件概率模型。

常见的判别模型：线性回归、对数回归/逻辑回归、SVM、boosting、条件随机场、神经网络、最近邻算法Nearest neighbor等。 这些 模型都是通过计算 条件概率的 最大似然估计推导出来。

它是在有限样本的条件下，寻找最优的分类面，关注判别模型的边缘分布。目标函数大部分直接对应 分类准确率。

6. 什么是生成模型？

主要是估计 联合概率分布。如P(x，y) = P(x|y)*P(y)

生成模型 有无限的样本，可以得到其 概率密度模型， 然后可以进行预测了。

常见生成模型： 隐式马尔科夫模型、朴素贝叶斯模型、高斯混合模型、有限波兹曼机等。

因其有无限的样本，可以采用增量的方式学习模型，对于单类问题比判别模型强，信息量比判别模型丰富。主要是对后验概率建模，关注自身，而不关注边界。

由判别模型得不到生成模型，而从生成模型可以得到判别模型。

7. 高斯判别分析 与 逻辑回归的 关系

8. 贝叶斯决策理论的前提

1）各类别的概率分布是已知的，每个类别都有一类相同的特征数据，只不过相同条件下，每个类别概率不同。概率分布，概率密度分布

2）类别的个数是一定的

已知先验概率、和 采集的数据特征（这个因素在每个分类上的后验概率）

就可以对该数据进行分类。原理就是条件概率，贝叶斯决策。

最小错误率的贝叶斯决策与最小风险的贝叶斯决策  的区别和联系？

最小错误率的贝叶斯决策： 结果为 maxP（yi | x）

最小风险的贝叶斯决策：是考虑了各种错误造成不同的损失而提出的一种决策。