xxx

最新推荐文章于 2023-04-13 10:31:05 发布

mongoose

最新推荐文章于 2023-04-13 10:31:05 发布

阅读量596

点赞数

分类专栏：概率文章标签：概率

本文链接：https://blog.csdn.net/omongoose/article/details/10388487

版权

概率专栏收录该内容

3 篇文章 0 订阅

订阅专栏

设为离散型随机变量, 其全部可能值为 ${\{ \ a_1, \ a_2 \ \cdots \} }$ . 则

$p_i = P(X=a_i),i=1,2,\cdots$

称为的概率函数.

设为一随机变量, 则函数

$P(X\leq x)=F(x), -\infty < x< +\infty$

称为的分布函数.

设某事件在一次试验中发生的概率为 . 现在把这试验独立地重复次.

$p_i = b(i;n,p)=\binom{n}{i}p^i(1-p)^{n-i},i=0,1,\cdots,n$

所遵从的概率分布称为二项分布, 并常记为 .

服从二项分布就记为 $X \sim B(n,p)$ .

设连续性随机变量有概率分布函数 , 则的导数 $f(x)={F}'(x)$ , 称为的概率密度函数.

设连续性随机变量的密度函数 $f(x)$ 都具有以下三条基本性质

$\\1^{\circ} \ \ \ f(x)\geq 0 \\ \\2^{\circ} \ \ \ \int_{-\infty }^{\infty}f(x)dx=1 \\ \\3^{\circ} \ \ \ P(a\leq X\leq b)=F(b)-F(a)=\int_{-\infty }^{\infty}(x)dx$

概率模型（Statistical Model，也称为Probabilistic Model）是用来描述不同随机变量之间关系的数学模型，通常情况下刻画了一个或多个随机变量之间的相互非确定性的概率关系。从数学上讲，该模型通常被表达为 $(Y,P)$ ，其中 $Y$ 是观测集合用来描述可能的观测结果， $P$ 是 $Y$ 对应的概率分布函数集合。若使用概率模型，一般而言需假设存在一个确定的分布 $P$ 生成观测数据 $Y$ 。因此通常使用统计推断的办法确定集合 $P$ 中谁是数据产生的原因。

概率模型 $\mathcal{P}$ 是一个概率分布函数或密度函数的集合。可分为参数模型，无参数和半参数模型。

参数模型是一组由有限维参数构成的分布集合 $\mathcal{P}=\{\mathbb{P}_{\theta} : \theta \in \Theta\}$ 。其中 $\theta$ 是参数，而 $\Theta \subseteq \mathbb{R}^d$ 是其可行欧几里得子空间。概率模型可被用来描述一组可产生已知采样数据的分布集合。例如，假设数据产生于唯一参数的高斯分布，则我们可假设该概率模型为 $\mathcal{P}=\{\mathbb{P}(x; \mu, \sigma) = \frac{1}{\sqrt{2 \pi} \sigma} \exp\left\{ -\frac{1}{2\sigma^2}(x-\mu)^2\right\} : \mu \in \mathbb{R}, \sigma > 0\}$ 。