概率论与数理统计
wamg潇潇
此人很懒,真的什么都没有写(。・ω・。)!!
展开
-
数据变换方法: 初值化、 均值化、百分比/倍数变换、归一化、极差最大值化、区间值化: MinMaxScaler、StandardScaler、MaxAbsScaler
目录数据变换的目的数据变换的七种常见方式初值化变换 均值化变换 百分比变换倍数变换 归一化变换 极差最大值化变换区间值化变换1. matlab ...原创 2019-04-20 17:46:23 · 22727 阅读 · 1 评论 -
概率论与数理统计基础(一):随机事件、概率与随机变量的期望、方差、切比雪夫不等式
目录随机事件与概率1.充要条件; 2.条件概率: 3. 全概率公式 4.贝叶斯公式随机变量及其分布1. 随机变量 2. 分布函数的三个基本性质:3. 概率分布列:4. 数学期望: 5 期望的数学性质: 6. 方差:7 期望的数学性质: 8 标准差 9...原创 2019-04-16 21:39:22 · 3773 阅读 · 2 评论 -
概率论与数理统计基础(二):常用离散分布 二项、泊松、超几何分、几何、 负二项分布
本文列举了常见的离散分布,关于它们的背景、概率分布列、数学期望与方差,以及与之相关的一些重要性质;比如几何分布的无记忆性、二项分布的泊松近似、超几何分布的二项近似。。。。可作为离散分布的知识速查表。目录1. 二项分布b(n,p)2. 泊松分布3 超几何分布 4 几何分布5 负二项分布 / 巴斯卡分布6 常用离散分布表1. 二项分布b(n,p)背景:...原创 2019-04-17 10:14:32 · 12941 阅读 · 0 评论 -
统计的回归分析 --matlab实现
前面我们讲过曲线拟合问题。曲线拟合问题的特点是,根据得到的若干有关变量的 一组数据,寻找因变量与(一个或几个)自变量之间的一个函数,使这个函数对那组数 据拟合得好。通常,函数的形式可以由经验、先验知识或对数据的直观观察决定,要 作的工作是由数据用小二乘法计算函数中的待定系数。从计算的角度看,问题似乎已 经完全解决了,还有进一步研究的必要吗?目录1 数据表的基础知识1.1 样本空间...原创 2019-04-26 19:33:56 · 22181 阅读 · 5 评论 -
概率论与数理统计基础(三):常用连续分布
注:本文针对常用的连续分布:正态分布、均匀分布、指数分布、伽马分布、卡方分布与贝塔分布作了大致的介绍,需要记住它们的参数、数学期望与方差、以及密度函数,一个分布就是一个概率模型。目录 各种分布之间的关系1 正态分布密度函数、分布函数、背景、参数 、参数标准正态分布、标准化变换、由正态分布计算概率值、正态分布的3 原则2 均匀分布背景、密度函数、分布...原创 2019-04-18 12:29:53 · 17043 阅读 · 0 评论 -
伽马分布与 贝塔分布
伽马函数称 为伽马函数,其中参数,伽马函数具有如下性质: ,n为自然数;或写作余元公式:对于,有与贝塔函数的关系 : 对于 ;伽马函数是严格凹函数。 x足够大时,可以用Stirling 公式来计算Gamma 函数值:伽马分布背景:若一个元器件能抵挡一些外来冲击,但遇到第k次冲击即告失效,则第k 次冲击来到的时间X(寿...原创 2019-04-18 15:24:06 · 23704 阅读 · 1 评论 -
随机变量分布函数:相关习题解答
目录求随机变量的数学期望&方差离散分布连续分布求随机变量的数学期望&方差离散分布回顾概率论与数理统计基础(二):常用离散分布连续分布知识点速查:回顾 :常用连续分布 ...原创 2019-04-19 14:01:07 · 5588 阅读 · 0 评论 -
随机变量X的函数 服从什么分布?
这篇博客主要回答以下几个问题:随机变量X的函数服从什么分布? ---i.e. 怎么求该函数的概率密度函数 它们的反函数又服从什么分布? 之前学的各种连续分布之间又有什么关系?目录各种分布之间的关系离散分布连续分布连续随机变量函数的分布分布函数的反函数习题讲解对于离散型随机变量,可用分布列来表示它的分布,连续型随机变量,则是用概率密度函数来描述它的分布。所以...原创 2019-04-19 15:18:38 · 15889 阅读 · 0 评论 -
拟合优度:Pearson 卡方检验
假设检验问题就是通过从有关总体中抽取一定容量的样本,利用样本去检验总体分布是否具有某种特性。假设检验问题大致分为两大类: 参数型假设检验: 即总体的分布形式已知(如正态、指数、二项分布等),总体分布依赖于未知参数(或参数向量), 要检验的是有关未知参数的假设。 非参数型假设检验: 如果总体分布形式未知,此时就需要有一种与总体分布族的具体数学形式无关的统计方法,称为非参数方法。...原创 2019-05-14 09:00:46 · 27623 阅读 · 6 评论