Nowcoder（概率统计）基本理论

基本理论：

概率：长期相对频率(频率学派)或者确信程度的度量(贝叶斯学派)，用P(A)表示，$0\le P(A)\le 1$。
互斥：两件事情不能同时发生，P(AB)=0。
独立：两件事情互不影响发生，P(A)P(B)=P(AB)。

二元分类

	True	False
Postive	TP	FP
Negative	TN	FN

$$\begin{gathered} TPR=\frac{TP}{TP+TN+FP+FN},TNR=\frac{TN}{TP+TN+FP+FN} \\ FPR=\frac{FP}{TP+TN+FP+FN},FNR=\frac{FN}{TP+TN+FP+FN} \\ Accuracy=TPR+FNR=\frac{TP+FN}{TP+FP+TN+FN} \\ Precision=\frac{TP}{TP+FP} \\ Recall=\frac{TP}{TP+FN} \end{gathered}$$

Rate（比例）：全部数据中，结果占的比例。

Accuracy（准确率）：全部数据中，预测正确占的比例。

Precision（精准率）:预测正向的数据中，预测正确占的比例。

Recall（召回率）：正向的数据中，预测正确占的比例。

1. 以下两种描述分别对应哪两种分类算法的评价标准？
a) 描述有多少比例的小偷被警察抓了的标准
b) 警察抓小偷，描述警察抓的人中有多少个是小偷的标准

A.True Positive Rate(TPR), False Positive Rate(FPR)
B.True Positive Rate(TPR), True Negative Rate(FRP)
C.Precision, Recall
D.Recall, Precision $✓$

解析：

	小偷(T)	非小偷(F)
抓(P)	TP	FP
不抓(N)	TN	FN

a) 描述有多少比例的小偷被警察抓了的标准 => $\frac{TP}{TP+FN}$  Recall（召回率）
b) 警察抓小偷，描述警察抓的人中有多少个是小偷的标准 => $\frac{TP}{TP+FP}$  Precision（精准率）

2. 设事件A,B 互斥，且已知P(A)=p,P(B)=q（0<p<1,0<q<1）, 则$P(\overline{A}B)=()$ 。
A.(1-p)q
B.pq
C.p
D.q $✓$

解析：
$$\begin{gathered} \because A,B互斥 \\ \therefore B\subseteq \overline{A} \\ P(\overline{A}B)=P(B)=q \end{gathered}$$

3. 4个电阻A、B、C和D，每个元件正常工作的概率是P，（0<P<1），电路连接情况为A和B并联，C和D并联，两组并联后又串联在一起，那么系统正常工作的概率是多少？

A.$(1-p^2{)}^2$
B.$1-p^2$
C.$(1-(1-\mathbf{p}{)}^2{)}^2$ $✓$
D.$(1-p^2)$

解析：

4. 假设检验基本思想的依据是小概率事件原理。
A.TURE $✓$
B.FALSE

解析：

假设检验的基本思想是小概率反证法思想。

5. 样本方差是母体方差$D_X$的无偏估计。
A.TURE $✓$
B.FALSE

解析：
$$\begin{gathered} {\sigma }^2=\frac{\sum (x_i-E(x){)}^2}{n} \\ {s}^2=\frac{\sum (x_i-E(x){)}^2}{n-1} \end{gathered}$$

为了使$E(s^2)={\sigma }^2$，样本方差需要修正（无偏）。