【机器学习概率统计】04 连续型随机变量：分布与数字特征

最新推荐文章于 2022-02-19 15:04:40 发布
最新推荐文章于 2022-02-19 15:04:40 发布
阅读量3k 收藏 6
点赞数 9
分类专栏： 机器学习中的数学：概率统计 机器学习中的数学（全集） 文章标签： python 人工智能 机器学习 数据分析 数据挖掘
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/weixin_43716250/article/details/109706438
版权
本文深入探讨连续型随机变量，包括概率密度函数、区间概率计算、期望与方差。重点讲解了正态分布、指数分布和均匀分布，并通过Python代码示例进行演示。
摘要由CSDN通过智能技术生成

在上一节里，我们介绍了离散型随机变量，实际上，取值于连续区域的随机变量的应用领域也是十分普遍的，比如汽车行驶的速度、设备连续正常运行的时间等等，这些在实际应用中都非常广泛，连续型随机变量能够刻画一些离散型随机变量无法描述的问题。

1.概率密度函数

在连续型随机变量的讨论范围中，随机变量由离散的变为了实轴上的连续值，那么与离散型随机变量的分布列以及 P M F PMF PM

了解本专栏 订阅专栏 解锁全文 超级会员免费看
石 溪
关注
专栏目录
订阅专栏
【机器学习概率统计】03 离散型随机变量：分布与数字特征
机器学习数学基础系列专栏
11-16 5964
1.从事件到随机变量 在前面两节内容中，我们介绍了事件概率的一些基本概念，给大家找了找概率的“感觉”，对于“试验”、“试验结果”、“事件发生的概率”等等重要概念有了直观的认识，那么我们进一步来讨论一个新的概念： 我们可以把某一次具体试验中所有可能出现的结果构成一个样本空间，对于样本空间中的每一个可能的试验结果，我们去将他关联到一个特定的数。这种试验结果与数的对应关系就形成了随机变量，我们将试验结果所对应的数称为随机变量的取值。这里就是我们接下来要讨论的重要内容。 请注意这个概念中的一个关键点，随机变量如何取
机器学习中的数学——随机变量
热门推荐
冯·诺依曼
10-02 1万+
随机变量可以随机地取不同值的变量。例如，x1x_1x1​和x2x_2x2​都是随机变量xxx可能的取值。就其本身而言，一个随机变量只是对可能的状态的描述；它必须伴随着一个概率分布来指定每个状态的可能性。 随机变量可以是离散的或者连续的。离散随机变量拥有有限或者可数无限多的状态。注意这些状态不一定非要是整数；它们也可能只是一些被命名的状态而没有数值。连续随机变量伴随着实数值。 ...
机器学习中的数学——连续型随机变量的变换
冯·诺依曼
10-05 1万+
连续型随机变量的另一技术细节，涉及到处理那种相互之间有确定性函数关系的连续型变量。偎设我们有两个随机变量xxx和yyy满足y=g(x)y=g(x)y=g(x)，其中ggg是可逆的且连续可微的函数。可能有人会想py(y)=px(g−1(y))p_y(y)=p_x(g^{-1}(y))py​(y)=px​(g−1(y))。但实际上这并不对。 举一个简单的例子，假设我们有两个标量值随机变量xxx和yyy，并且满足y=x2y=\frac{x}{2}y=2x​以及x∼U(0,1)x\sim U(0, 1)x∼U(0,
概率论 —— 随机变量的数字特征
佚失的诗篇
02-11 9791
文章目录一、一维随机变量的数字特征1. 数学期望（1）概念定义（2）说明（3）性质2. 方差、标准差（1）概念（2）性质3. 切比雪夫不等式二、二维随机变量的数字特征1. 数学期望2. 协方差与相关系数（1）概念（2） 性质三、独立性与相关性的判定 一、一维随机变量的数字特征 1. 数学期望 （1）概念定义 如果 XXX 是离散型随机变量，其分布列为 pi=P{X=xi}(i=1,2,...)p_i = P\{X=x_i\}(i=1,2,...)pi​=P{X=xi​}(i=1,2,...)，YYY 是
常用一维连续性随机变量的各种分布及其数字特征
qq_35912930的博客
05-25 5590
目录1. 均匀分布【ξ ~ U(a, b)】2. 指数分布【ξ ~ E(λ)】3. 正态分布【ξ ~ N(μ, σ^2^)】4. 伽玛分部【ξ ~ Ga(r, λ)】①密度函数②指数分布与伽马分布的关系5. 卡方分布 【χ2 ~ χ2(n)】①密度函数②定理6. F——分布【F ~ F(n~1~, n~2~)】①密度函数②定理7. t——分布【T ~ t(n)】①密度函数2. 定理8. 贝塔分布【ξ~Be(a, b)】①密度函数②具体情况： 1. 均匀分布【ξ ~ U(a, b)】 ①分布函数 概率密度函
【机器学习的概率论和数理统计基础】随机事件和概率、随机变量及其概率分布、多维随机变量及其分布、随机变量的数字特征、数理统计的基本概念等
汪雯琦的博客
03-01 864
机器学习的数学基础 概率论和数理统计 文章目录机器学习的数学基础概率论和数理统计随机事件和概率1.事件的关系与运算2.运算律3.德.摩根律4.完全事件组5.概率的基本概念6.概率的基本公式7.事件的独立性8.独立重复试验9.重要公式与结论随机变量及其概率分布1.随机变量及概率分布2.分布函数的概念与性质3.离散型随机变量的概率分布4.连续型随机变量的概率密度5.常见分布6.随机变量函数的概率分布7...
概率论与数理统计 Chapter3. 随机变量的数字特征
codename_cys的博客
02-19 1171
概率论与数理统计 Chapter3. 随机变量的数字特征 1. 重要定义 & 定理 1. 数学期望（均值） 1. 定义 2. 性质 2. 中位数 3. 方差 & 标准差 1. 定义 2. 性质 4. 协方差 & 相关系数 1. 协方差 2. 相关系数 5. 大数定理 1. 大数定理 2. 马尔可夫不等式 3. 切比雪夫不等式 6. 中心极限定理 1. 林德伯格-莱维定理 2. 棣莫弗-拉普拉斯定理 2. 几种典型分布 1. 二项分布 1...
随机变量的数字特征
Erick Lv的笔记
02-16 1249
期望 离散型： E(X)=∑k=1+∞xkpk E(X)=\sum_{k=1}^{+\infty}x_kp_k E(X)=k=1∑+∞​xk​pk​ 连续型： E(X)=∫−∞+∞xf(x)dx E(X)=\int_{-\infty}^{+\infty}xf(x)dx E(X)=∫−∞+∞​xf(x)dx 若Y=g(X)Y=g(X)Y=g(X)，其中ggg是连续函数，则 如果XXX是连续型： E(...
机器学习（十六）特征工程之数据分箱
yanqianglifei的专栏
01-19 5030
1 分箱简介 数据分箱（也称为离散分箱或分段）是一种数据预处理技术，用于减少次要观察误差的影响，是一种将多个连续值分组为较少数量的“分箱”的方法。 例如，例如我们有一组关于人年龄的数据，如下图所示： 初始数据 现在我们希望将他们的年龄分组到更少的间隔中，可以通过设置一些条件来实现： 分箱后的数据 分箱的数据不一定必须是数字，它们...
机器学习中的概统知识——3 随机变量的数字特征
weixin_42217488的博客
10-29 669
在上一节中，介绍了随机变量的分布函数以及概率密度函数，可以知道随机变量的统计规律性可以用其表示。但是在实际应用中，分布函数有时候是不容易求得的。此时便可根据随机变量的数字特征去概括一个分布。本章节就将围绕随机变量的数字特征进行介绍，包括常见的期望、方差/协方差，以及更加泛化的矩与矩母函数。 文章目录1 期望2 矩与矩母函数3 方差与协方差 1 期望 随机变量的期望值，本质上就是随机变量的均值，只不过此处的均值是概率加权的平局。就好比平均值被用来描述数据的中间值，随机变量的期望是该随机变量对应分布的中心。换句
seaborn 数据可视化(一）连续型变量可视化
weixin_42575593的博客
12-11 1775
一.综述 Seaborn其实是在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，图像也更加美观，本文基于seaborn官方API还有自己的一些理解。 1.1.样式控制：axes_style() and set_style() seaborn提供了5个主题： darkgrid 黑色网格（默认） whitegrid 白色网格 dark 黑色背景 w...
数据科学中的连续型数值数据的处理策略
AI公园
04-02 3851
点击上方“AI公园”，关注公众号，选择加“星标“或“置顶”作者：Dipanjan (DJ) Sarkar编译：ronghuaiyang导读数值型数据的处理策略，非常的实用...
连续性随机变量分布
shushi6969的博客
04-14 1万+
均匀分布若连续型随机变量X具有概率密度则称X在区间（a,b）上服从均分分布，记为X~U(a，b)在区间中任意等长度的子区间的可能性是相同的，落在（a,b）的子区间的概率值依赖于子区间的长度与子区间的位置无关。分布函数：指数分布连续随机变量X的概率密度为其中λ>0,为常数，则称X服从参数为λ的指数分布。在深度学习中，我们经常会需要一个x=0点处取得边界点的分布，而指数分布就可以达到这一目的。指...
机器学习--随机变量分布
平原的博客
06-14 1696
学习目标： 目标一、了解概率论与统计学基础知识 目标二、掌握描述性统计分析知识 目标三、掌握概率论基本概念 目标四、掌握条件概率与贝叶斯公式 目标五、掌握随机变量与各种分布 目标六、掌握方差与协方差 目标七、掌握大数定律、中心极限定理与抽样分布 目标八、掌握点估计、区间估计与参数估计 目标九、掌握回归分析、掌握方差分析、时间序列分析 一、随机变量： （1）、 离散型随...
机器学习|随机变量（连续型、离散型）+分布函数|10mins入门|概统学习笔记（一）
用途：中英文学习笔记，如有侵权，可评论留言，及时清理；学历：NUS计算机硕士；SYSU地球物理学士
03-26 1788
1.随机试验、随机事件、样本空间 随机试验：每次出现的可能结果不止一个，且事先不能肯定会出现哪一个结果的试验 随机事件：在一次试验中可能发生也可能不发生的事件 分类： 基本事件：相对于观察目的不可再分解的事件 复合事件：两个及以上基本事件合并 随机事件的概率:1≥P(A)≥01 \geq P(A)\geq 01≥P(A)≥0表示事件A发生概率 样本点：随机试验的每个基本结果，...
连续型随机变量的函数的分布
Hugh677的博客
03-24 1万+
比较正常的例子 其他例子
S03E03 离散型随机变量：分布与数字特征
GitChat
08-18 282
评论 3
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

打赏作者

石 溪

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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