常用数学公式

古典概型

1. 定义：
   （1） 试验中所有可能出现的基本事件只有有限个；
   （2） 试验中每个基本事件出现的可能性相等。
   具有以上两个特点的概率模型是大量存在的，这种概率模型称为古典概率模型，简称古典概型，也叫等可能概型。
2. 概率公式：
   $$P（A）= \frac{m}{n} = \frac{A包含的基本事件的个数m}{基本事件的总数n}$$

概率公式

条件概率

$$P(A|B)=\frac{P(AB)}{B}$$

全概率公式

$$P(A)=\sum_iP(A|B_i)P(B_i)$$

贝叶斯公式

$$P(B_i|A)=\frac{P(A|B_i)P(B_i)}{\sum_jP(A|B_j)P(B_j)}$$
$$P(A|B)=\frac{P(B|A)P(A)}{P(B)}$$
给定某系统的若干样本x，计算该系统的参数，即 $$P(\theta|x)=\frac{P(x|\theta)P(\theta)}{P(x)}$$
$P(\theta)$：没有数据的支持下， $\theta$发生的概率：先验概率。例如：在没有任何信息的前提下，猜测某人姓氏：先猜测李王张刘……猜对的概率比较大
$P(\theta|x)$：在数据的支持下， $\theta$发生的概率：后验概率。若知道某人来自“刘家村”，则他姓刘的概率比较大
$P(x|\theta)$：给定某参数 $\theta$的概率分布：似然函数

分布

两点分布（0-1分布/伯努利分布）

已知随机变量X的分布律为：

$$P(x=1)=p，P(x=0)=1-p$$
则有：
$$E(X)=1\cdot p + 0 \cdot (1-p) = p$$

D(X)=E(X2)−[E(X)]