概率论
文章平均质量分 95
xia ge tou lia
致力于数据分析行业~
展开
-
面试总结——贝叶斯公式(全概率公式)
这段时间面试,遇到一个贝叶斯相关的问题,当时答的不是很理想,所以现在写出来和大家一起分享下,题目大致如下:例:已知某肺炎的患病率为0.01%。现在需要做检测,如果被测者患病则被检测为阳性的概率为99%。如果被测者没病,有1%的测试出错也显示阳性。现在一个人检查结果是阳性。问真正得病的概率是 多少?...原创 2020-08-13 17:56:15 · 3617 阅读 · 2 评论 -
统计推断——贝叶斯推断(了解)
假设检验的中心思想可以用一句话概括:“如果原假设正确,那么你观测到极端统计量(当前情况及更差情况)的概率仅有3%。”推断的一个替代方法是将未知参数视为随机变量。从参数的先验分布(prior distribution)出发,再利用观测数据和贝叶斯定理计算出更新后的后验分布(posterior distribution)。不再对检验本身给出概率判断,而是对参数本身给出概率判断。我们先了解一些基本...原创 2020-04-03 17:51:34 · 2459 阅读 · 0 评论 -
统计推断——独立事件、条件概率、贝叶斯定理(先验分布/后验分布/似然估计)
一、独立事件如果E 发生意味着F 发生(或者F 发生意味着E 发生),我们就称事件E 与事件F 为不相互独立(dependent)。反之,E 与F 就相互独立(independent)。从数学角度讲,事件E 和事件F 独立意味着两个事件同时发生的概率等于它们分别发生的概率的乘积:P(E, F)=P(E)P(F),其中P(E, F)表示事件E 和事件F同时发生的概率。二、条件概率如...原创 2020-04-01 14:29:15 · 5310 阅读 · 0 评论 -
python——numpy——random模块及常见分布模拟
一、随机数1、numpy.random.rand()生成均匀分布的随机小数。rand函数根据给定维度生成[0,1)之间的数据,包含0,不包含1 括号参数为生成随机数的维度一维数据import numpy as npimport matplotlib.pyplot as pltsample=np.random.rand(1000) #生成1000个(0,1]之...原创 2020-03-29 18:45:19 · 7006 阅读 · 0 评论 -
统计推断——假设检验概述(节选于:数据分析的统计基础)
以下节选于:数据分析的统计基础,个人认为对理解假设检验较为深入。原创 2020-03-01 17:36:15 · 358 阅读 · 0 评论 -
统计学基础——常用的概率分布(二项分布、泊松分布、指数分布、正态分布)
变量类型:连续型变量 如:正态分布 离散型变量 如:二项分布、泊松分布三者之间的关系二项分布(Binomial distribution)二项分布(Binomial distribution)是n重伯努利试验成功次数的离散概率分布,记作。伯努利试验是只有两种可能结果的单次随机试验。伯努利试验都可以表达为“是或否”的问题。例如,抛一次硬币是正面...原创 2019-12-17 14:05:03 · 51846 阅读 · 6 评论