贝叶斯公式和共轭分布

本文介绍了概率密度函数、概率分布函数的概念,并分别针对离散和连续随机变量进行了阐述。接着详细讲解了贝叶斯公式及其应用,解释了如何通过公式计算后验概率。最后讨论了共轭分布及其优势,共轭分布能够简化参数估计过程,特别是在迭代求解超参数时提供便利。
摘要由CSDN通过智能技术生成

概率密度函数

概率密度函数是对于连续随机变量而言,对于离散随机变量没有所谓的概率密度。
连续随机变量的取值是无穷多个的,研究连续随机变量具体等于某个值的概率是没有意义的,该值很小几乎为0,只能研究某个区间内的概率。通常我们研究连续随机变量的概率,是研究随机变量 X X X值落在区间 [ a , b ] [a,b] [a,b]的概率, P ( [ a , b ] ) = ∫ a b f ( x ) d x P([a,b])=\int_a^b f(x)dx P([a,b])=abf(x)dx其中 f ( x ) f(x) f(x)为随机变量 X X X概率密度函数,描述的是随机变量 X X X落在取值范围“某单位区间“”内的概率大小。

概率分布函数

概率分布描述的是某个是事件空间,所有事件每个事件的发生的概率各是多少,其和自然为1。有了概率分布函数,就能够知道所有事件的发生概率。如扔色子事件,描述扔色子,点数为1、2、3、4、5、6朝上这六个事件,每个事件的概率各是多少,即概率分布。

离散随机变量

离散随机变量概率分布函数 ϕ ( x ) = P ( X = x ) \phi(x)=P(X=x) ϕ(x)=P(X=x)

连续随机变量

连续随机变量概率分布函数
ϕ ( x ) = P ( X < x ) = ∫ x f ( x ) d x \phi(x)=P(X<x)=\int^x f(x)dx ϕ(x)<

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值