模型、学习和推理:第2章 概率概述


第2章 概率概述

2.1 随机变量

  1. 随机变量x是一个不确定的数量。x可以表示一个实验的结果或波动特性的真实度量。
  2. 随机变量x可以是离散或连续的。离散变量的总和与连续变量的积分总是1。
  3. 离散变量从一组预先确定的集合中取值。其值可以是有序或无序,有限或无限。离散变量的概率分布常用直方图或Hinton图表示。
  4. 连续变量取实数值。其值可以是有限或无限。连续变量的概率分布常用概率密度函数(PDF)表示。

2.2 联合概率

  1. Pr(x,y)是随机变量x和y的联合概率。x可以是离散变量或连续变量,y也是如此。

2.3 边缘化

  1. 在联合概率Pr(x,y)中,对所有的y值求和或积分可得到边缘概率Pr(x),对所有的x值求和或积分可得边缘概率Pr(y)。Pr(x)和Pr(x)被称为边缘分布,其它变量的求和或积分过程被称为边缘化。

  1. 任何变量子集的联合概率都可边缘化所有其它变量得出。

2.4 条件概率

  1. Pr(x|y=y*)代表y=y*时,x的概率。

  1. Pr(x|y)代表y确定时,x的概率。

  1. 当有两个以上的变量时,可不断用条件概率分布将联合概率分布分解为乘积形式。

2.5 贝叶斯公式

  1. 贝叶斯公式(2.9)。其中,Pr(y|x)是后验概率(posterior),Pr(y)是先验概率(prior),Pr(x|y)是似然性(likelihood),Pr(x)是证据(evident)。

  1. 计算机视觉中,常用Pr(x|y)表示变量x和y的关系。Pr(y|x)可用贝叶斯公式计算得出。

2.6 独立性

  1. 若变量x不能获得变量y的任何信息,反之亦然,则称x和y是独立的。

2.7 期望

  1. 期望

期望

  1. 二元随机变量的期望

二元随机变量的期望

  1. 特殊函数的期望

特殊函数的期望

  1. 期望的4条性质
    期望的4条性质
  • 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