机器学习中的数学基础--第四天
随机变量与概率分布
均匀分布:每个事件的概率是一样的,例如骰子的六面,每一面的概率都是1/6
随机变量:
1.离散随机变量:投骰子时,当P(X=1)=1/6,此时x=1为, 随机变量具有可加性(P(X=1)和P(X=2)不会同时出现,可求P(X=1,2))
2.连续随机变量:坐标轴x轴0→1.P(0≤x≤0.5)=1/2→P(X≤0.5)=1/2(CDF(Cumulative Distribution Function))→P(X≤θ)=θ(定义为F(θ)),对F(θ)求导之后得f(θ),f(θ)为概率密度(PDF(Probability Density Function)),P(θ1<X≤θ2)=F(θ2)-F(θ1)= ∫(θ1→θ2)f( θ)dθ
ps.P(θ1<X≤θ2)=F(θ2)-F(θ1)= ∫(θ1→θ2)f( θ)dθ就是牛顿莱布尼茨公式,定义为:为一个连续函数在区间[a,b]上的定积分等于它的任意一个原函数在区间[a,b]上的增量
联合分布: