统计机器学习导论第七章读书笔记
今天主要写的是第七章,第七章的主要内容是独立随机变量的求和的一些性质。
本节的主要内容包括独立随机变量的求和的一些性质以及独立同分布在样本个数趋向于无穷的一些表现。
7.1 卷积
首先介绍的是卷积公式,可以利用卷积公式计算两个独立的概率分布的和所满足的概率分布。比较简单易懂。对于连续性的概率分布,假设 x ∼ f ( x ) x\sim f(x) x∼f(x), y ∼ g ( y ) y\sim g(y) y∼g(y),则对于 z = x + y z=x+y z=x+y, p ( z ) = ∫ − ∞ + ∞ ∫ − ∞ z − x g ( y ) f ( x ) d y d x = ∫ − ∞ + ∞ g ( y ) f ( z − y ) d y p(z)=\int_{-\infty}^{+\infty}\int_{-\infty}^{z-x}g(y)f(x)dydx=\int_{-\infty}^{+\infty} g(y)f(z-y)dy p(z)=∫−∞+∞∫