【机器学习数学基础之概率论与统计05】多元随机向量及其分布

最新推荐文章于 2023-07-17 21:05:08 发布
最新推荐文章于 2023-07-17 21:05:08 发布
阅读量965 收藏 5
点赞数 1
分类专栏： 机器学习之数学基础
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_39925317/article/details/79480381
版权

几种常见的分布

    联合分布

     联合分布很难描述清楚，智能给出概念。但是在相互独立的随机变量中，它们联合分布是它们各自分布的乘积。


    对于连续型随机变量，加上积分就可以了。

    边缘分布

    在二维情况下的直观解释：


    条件分布

    二维情况下的条件分布：

    

    实际上，贝叶斯公式可以由条件概率和全概率公式得出。

    由二维推广到多维的条件概率的链规则：


    贝叶斯规则

    这里就涉及到了先验和后验的概念。


    到目前为止，我都没有真正领略到贝叶斯规则的真正妙处，只能大致领略它的概念。

协方差

    指的是两个随机变量的共同的方差，协方差通常同来衡量两个变量的相关性。

    


    协方差的性质如下：


    

JackkwiN
关注
  • 1
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
多元函数的向量表示_机器学习系列（一）随机向量
weixin_39890431的博客
11-23 2687
一、一元随机变量与概率分布函数二、概率分布函数的类型三、随机变量的数字特征四、一些重要的一元分布 一,多元概率分布一个向量，若它的分量都是随机变量，则称之为随机向量1、多元概率分布函数随机向量 的概率分布函数定义为 2、分布函数的性质① 非降的右连续函数;②分布函数的取值范围为[0, 1]，即 ③分布函数当变量取值为无穷大时，函数值收敛到1,即 二、两个常用的离散多元分布1、多项分布若 有...
多元建模基础（一）：随机向量及其分布
gggfff12345的博客
12-01 1035
1 随机向量及其分布： 1）联合和边际分布：略 2）条件分布与独立性：略 3）矩与特征函数：略 此处介绍一下Cholesky分解：
概率论笔记（五）随机向量/多元随机变量
qq_37534947的博客
11-10 984
文章目录一：联合分布1.1联合分布函数1.2二维离散型随机向量及其联合分布列1.3二维连续型随机向量及其联合密度函数二：边缘分布与随机变量的独立性2.1边缘分布2.2随机变量的独立性2.3两个随机变量下的函数的分布2.3.1离散型2.3.2连续型 一：联合分布 引入： 1.1联合分布函数 注：相比于一维的分布函数，其增加了一维空间，成了二维空间，测试整体的二维空间变成了整体的1；之后同样是概率的累计。 1.2二维离散型随机向量及其联合分布列 1.3二维连续型随机向量及其联合密度函数 性
【概率论】期中复习笔记（中）：随机向量及其概率分布、随机变量的数字特征
qaqwqaqwq的博客
11-02 971
# 第三章 随机向量及其概率分布 ## 1. 二维随机向量及其概率分布 $n$维随机变量/$n$维随机向量：设$X_1,X_2,\cdots,X_n$是定义在样本空间$\Omega$上的$n$个随机变量，则$(X_1,X_2,\cdots,X_n)$称为$n$维随机变量或$n$维随机向量 二维随机变量的分布函数：设$(X,Y)$是二维随机向量，对于任意$x,y\in\mathbb R$，二元函数$F(x,y)=P\{X\le x,Y\le y\}$称为二维随机变量$(X,Y)$的分布函数，或$X$与$
多元函数的向量表示_今日份翻译：微分（多元篇）
weixin_39887546的博客
11-23 853
这一部分其实我觉得理解得好不好有高代的话语权。很多东西它翻不过来个儿不是因为人家说什么听不懂，而是脑子装不下......还有就是比较抽象的东西多了起来，也很考验高代的功底。一元微分的时候我们多次强调，微分的本质是一种线性映射，所以我们来看一看多元里的线性映射是什么样的。一元线性映射老简单了，粗暴理解为乘个系数就得了。放到多元里，“线性”长这个样子：然后再拿从n维欧氏空间映射到m维来说吧。...
机器学习数学基础 概率论与数理统计.pptx
10-04
"机器学习数学基础 概率论与数理统计" 概率论与数理统计是机器学习的数学基础，掌握这些基础知识是理解和分析机器学习算法的关键。《机器学习数学基础：概率论与数理统计》这本书系统地介绍了概率论和数理统计在...
机器学习与数学基础_视频.rar
08-23
"机器学习与数学基础"这门课程，旨在为初学者提供一个坚实的理论基础，帮助他们更好地理解和应用机器学习算法。本课程包含多个视频章节，覆盖了从入门到深入的关键概念，特别适合那些对机器学习感兴趣但又缺乏相关...
shenlan学院机器学习数学基础（源码+课件）
最新发布
03-11
《机器学习数学基础》课程资料包含了丰富的学习资源，旨在帮助学员深入理解并掌握机器学习所需的数学基础知识。课程涵盖了从函数求导、BP算法到概率统计等多个关键领域，为后续的机器学习实践打下坚实的基础。 首先...
[补充资料] L1-机器学习&数据挖掘的数学基础1
08-03
"机器学习与数据挖掘的数学基础" 机器学习和数据挖掘是计算机科学和统计学的交叉领域，需要扎实的数学基础。本文将对机器学习和数据挖掘所需的数学基础进行总结。 一、概率论 概率论是机器学习和数据挖掘的核心...
生成概率向量
weixin_30511039的博客
02-01 105
R^n中的概率向量，向量中每个元素>=0 ,元素之和=1 下面生成一个R^4中的概率向量 clcformat longt=rand(4,1);r=(1/sum(t)) * t; A=[ 0.8 0.1 0.05 0.05 0.1 0.8 0.05 0.05 0.05 0.05 0.8 0.1 0.05 0.05 0.1 0.8 ...
向量多元线性回归
Green_Days
12-16 1504
前两天被问一个问题。有两组向量XX和WW，维度分别为aa和bb，它们之间有线性映射关系。即满足XTA=WTX^TA=W^T，其中A为线性变换阵。给出两组含有噪声的数据，如何求出拟合度较好的阵AA。这实际上是一个多元线性回归问题，常用的方法是最小二乘法，确定使得方差最小的参数。 方差为 E(A)=1bn∑i=1n∑j=1b(Wij−∑k=1aXikAkj)2\begin{equation} E(A
概率论与数理统计学习：随机向量（四）——知识总结
weixin_62917800的博客
10-18 999
随机向量函数的分布知识点解析
彭汉川版计算向量概率分布函数---estpa解读
tangxianyu的博客
08-30 3202
彭汉川版mRMR特征选择算法网址：https://www.mathworks.com/matlabcentral/fileexchange/14608-mrmr-feature-selection-using-mutual-information-computation estpa函数是为了计算单个向量a的概率分布，其大概思想是： 当a=[1 2 1 2 1]时，其概率分布为 p(x=1)=3...
Markov链，稳态向量及其求法，概率向量，（正则）随机矩阵及其判别方法，马尔科夫链收敛定理
Zijie123pea的博客
02-25 6569
  Markov链在很多领域中被用来建立数学模型，该模型常用来描述用同一种方法进行多次实验或测量，且每次实验结果属于几个指定的可能结果之一，每次实验的结果仅仅依赖于最近的上一次实验结果。 例：实验室动物每天可以吃三种食物中的任一种。结果表明，如果第一次测试中，这个动物选择一种食物，则下一次测试中它选同样的食物的概率是50%，下一次测试它选择其他两种实物的概率都是25%。 （1）求该实验的随机矩阵。 （2）如果这个动物第一次测试选了1号食物，在第二次测试中选择2号食物的概率、第三次选择食物2和3的概率是多少？
多元概率密度_利用多元论把握事件概率
weixin_26746401的博客
08-21 520
多元概率密度Humans have plenty of cognitive strengths, but one area that most of us struggle with is estimating, explaining and preparing for improbable events. This theme underpins two of Nassim Taleb’s ma...
概率论之多元随机变量及其分布
赵子的博客
04-05 3495
1.多元随机变量 在实际问题中，有一些实验的结果需要同时用两个或两个以上的随机变量来描述。 设n元随机变量X(ω)=(X1(ω),X2(ω),...,Xn(ω))，简记为X=(X1,X2,...,Xn)X(\omega)=(X_1(\omega),X_2(\omega),...,X_n(\omega))，简记为X=(X_1,X_2,...,X_n)X(ω)=(X1​(ω),X2​(ω),...,X...
机器学习笔记1 - 概率分布
u012626619的博客
03-19 345
一 概率分布 1 联合概率分布 联合概率分布简称联合分布，是两个及以上随机变量组成的随机向量的概率分布。根据随机变量的不同，联合概率分布的表示形式也不同。对二维随机变量X和Y，其联合分布是同时对于X和Y的概率分布。举个例子，男生向女生表白，女生答应的概率取决于男生的外貌、身高、性格等多个因素，这里男生表白成功的概率就是外貌、身高、性格等变量的联合概率分布。 对于二维离散型随机变量(X,...
【高等数学笔记】多元向量值函数的导数与微分
qaqwqaqwq的博客
04-30 3359
文章目录一、多元向量值函数的导数与微分的定义二、多元向量值函数的微分运算法则 一、多元向量值函数的导数与微分的定义 设有nnn元向量值函数f:U(x0)⊆Rn→Rm\bm f:U(x_0)\subseteq\mathbb{R}^n\to\mathbb{R}^mf:U(x0​)⊆Rn→Rm，该函数可以表示成 f(x)=[f1(x)f2(x)f3(x)⋯fm(x)]=[f1(x1,x2,x3,⋯ ,xn)f2(x1,x2,x3,⋯ ,xn)f3(x1,x2,x3,⋯ ,xn)⋯fm(x1,x2,x3,⋯ ,xn
人工智能数学基础--概率与统计15：多维随机变量/向量
老猿Python
07-17 1209
本文介绍了多维随机向量的概念和其概率密度函数定义以及边缘分布的定义，并举例说明了多项分布、均匀分布、正态分布等多维随机向量的典型分布。多维随机向量也分为离散型和连续型两种，其边缘分布就是一种普通的分布，只是将其中一个分量或多个分量看做变量其余分量是全域积分所得到的分布，因此边缘分布可以是一维的，也可以是多维的。 与边缘分布相对应，多维随机向量也被称为**联合分布**。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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