- 随机事件是从静态的观点来研究随机现象,而随机变量则是一种动态的观点,一如数学分析中的常量于变量的区分一样。
- 分布函数:P(X<=x)=F(x)。称之为X的分布函数。
- 泊松分布可作为二项分布的极限而得到。
- 联合概率分布:即各变量取响应的值而得到的概率。 当各变量独立时,此时联合概率为个概率密度之积。
- 条件密度函数:f1(x1|x2)=f(x1,x2)/f2(x2)。f2为x2的边缘密度。
这是两维的情况,下面对三维进行讨论,多维的情况类似。
三维:p(x,y|z)=p(x|y,z)p(y|z)
Proof:左边=p(x,y|z)*p(z)=p(x,y,z)
右边=p(x|y,z)p(y|z)*p(z)=p(x,y,z)
四位:p(x,y,z|w)=p(x|y,z,w)*p(y|z,w)*p(z|w)
极大似然法要求知道分布情况即密度函数。
贝叶斯方法的精辟讲解(还是教科书讲解得更清楚,看完这个LDA的推理部分大概清楚了):
参考文献:
《概率论与数理统计》-陈希儒著