开宗明义:本系列基于小象学院机器学习课程,小白,会一点一点推导公式,一步一步爬到最高,嘿嘿嘿,旨在理解和交流,重在记录,望各位大牛指点!
机器学习之数理统计与参数估计
1、统计量
1.1 期望/方差/偏度/峰度
矩:
A、B相互包含的信息量 I ( A , B ) I(A,B) I(A,B): 给定事件A、B,若有 P ( A B ) = P ( A ) P ( B ) P(A B)=P(A) P(B) P(AB)=P(A)P(B),则事件A、B相互独立。那么A、B相互包含的信息量定义为 I ( A , B ) I(A,B) I(A,B)。
期望:
方差:
偏度:
峰度:
1.2 协方差和相关系数
协方差:
相关系数:
1.3 独立和不相关
若
X
、
Y
X、Y
X、Y 独立,则:
Var
(
X
Y
)
=
Var
(
X
)
Var
(
Y
)
+
Var
(
X
)
E
2
(
Y
)
+
Var
(
Y
)
E
2
(
X
)
\operatorname{Var}(X Y)=\operatorname{Var}(X) \operatorname{Var}(Y)+\operatorname{Var}(X) E^{2}(Y)+\operatorname{Var}(Y) E^{2}(X)
Var(XY)=Var(X)Var(Y)+Var(X)E2(Y)+Var(Y)E2(X)
2、大数定律/中心极限定理
切比雪夫不等式:
均值:X样本采样中心点,方差:以中心点为圆点,标准差为半径的球范围采样取点。
大数定律:
中心极限定理:
3、矩估计
在这里插入图片描述
3.1 中心矩和原点矩
下面举例子:
下面这个很重要哦: