概率论基础知识

已于 2022-03-22 18:02:22 修改
阅读量445 收藏 1
点赞数
分类专栏： 算法工程师 文章标签： 概率论 数学基础 机器学习
于 2022-03-22 15:33:45 首次发布
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_44177594/article/details/123662252
版权

说明：这些是自己整理回答的答案 可以借鉴 也可能存在错误 欢迎指正

概率论

1、随机变量及其分布函数

1.1 随机变量

在这里插入图片描述

1.2 分布函数的定义及性质

在这里插入图片描述

性质

  1. 单调性：F(x)是单调非减函数，即对任意 x 1 < x 2 x_1 <x_2 x1​<x2​,有 F ( x 1 ) < F ( x 2 ) F(x_1)<F(x_2) F(x1​)<F(x2​)
  2. 有界性：对任意的 x x x，有 0 ≤ F ( x ) ≤ 1 0\leq F(x)\leq 1 0≤F(x)≤1
  3. 右连续性
    在这里插入图片描述

2、离散型与连续型随机变量

2.1 离散型随机变量

定义、分布律

在这里插入图片描述
所有值概率和为1，且所有概率值大于0
在这里插入图片描述

常见离散型随机变量及其分布律

  1. 0-1分布
    在这里插入图片描述
  2. 二项分布
    在这里插入图片描述
  3. 泊松分布在这里插入图片描述
  4. 几何分布
    在这里插入图片描述
  5. 超几何分布
    在这里插入图片描述

2.2 连续型随机变量

概率密度

在这里插入图片描述

性质

在这里插入图片描述

常见分布

  1. 均匀分布
    在这里插入图片描述
  2. 指数分布

在这里插入图片描述
3. 正态分布
在这里插入图片描述
在这里插入图片描述

数字特征

tips

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

大数定律与中心极限定理

在这里插入图片描述

小葵向前冲
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
概率论基础
09-30
概率论入门经典著作，MIT教材。大名鼎鼎的 Bertsekas的讲义
概率论入门
m0_57280180的博客
09-04 3178
学习刘嘉概率论进行的总结，是对自己学习知识的巩固，也是方便概率论入门同学参考，帮助建立概率论的框架，了解概率论的发展过程，及掌握概率轮的相关概念
概率论入门:基本概念
Lemon的博客
12-09 2019
基本概念 定义和符号 通常概率至少和一个事件有关。这个事件可以是任何事。最简单的例子包括投骰和从口袋中抓取有颜色的球。在这些例子中，事件的结果是随机的（投骰时无法确定最终的点数），所以表示这些事件的结果的变量称为随机变量（常常缩写为RV）。 我们常常想知道一个随机变量取一个特定值的概率。例如，投掷一个均质的6面骰时，点数是3的概率是多少？“均质”一词很重要，因为它告诉我们骰子落地时6个面（1...
概率论基础知识汇总
qq_43391414的博客
04-27 1964
存在意义： 在数学和统计学中，矩（moment）是对变量分布和形态特点的一组度量。 原点矩和中心距的定义 直接使用变量XXX计算的矩被称为原点矩（raw moment），矩通常默认就是指原始矩，比如一阶矩，二阶矩。 移除均值后X−E(X)X-E(X)X−E(X)计算的矩被称为中心矩（central moment）。 nnn阶矩的定义为： vn=∫−∞+∞xnf(x)dxv_n=\int_{-\infty}^{+\infty}x^nf(x)dxvn​=∫−∞+∞​xnf(x)dx nnn阶中心矩的定义为:
概率论基础知识各种分布
智障变智能
08-09 1372
离散分布：伯努力分布，二项分布，possion分布 一，伯努力分布 #执硬币 x_arr=np.array([0,1]) #x为1的概率 p=0.7 #0 1分布 #由PMF生成对应的概率 离散事件 pr_arr=stats.bernoulli.pmf(x_arr,p) plt.plot(x_arr,pr_arr,marker='o',linestyle='None') plt.vli...
概率论基础知识（一）概率论基本概念
热门推荐
简之的通向技术之路
09-16 3万+
概率论基础知识 0. 前言 本文主要旨在对概率论的基础概念与知识进行概要的总结，以便于使用到时可以参考。 概率论是数理统计的基础，也是很多机器学习模型的支撑，概率论在机器学习中占主要地位，因为概率论为机器学习算法的正确性提供了理论依据。 1. 概率论的基本概念 1.1 基本概念 随机实验（E） （1）可以在相同的条件下重复地进行 （2）每次实验的可能结果不止一...
概率论基础知识PPT学习教案.pptx
10-08
在实际应用中，概率论基础知识广泛应用于金融风险分析、统计预测、质量控制、机器学习等多个领域。理解并掌握这些基本概念是进行复杂数据分析和决策的基础。通过深入学习概率论，我们可以更好地理解和预测不确定环境...
概率论基础知识-44页.pdf
11-07
概率论基础知识 概率论是数学的一个分支，它研究随机事件的规律性和统计规律。概率论的基础知识包括随机事件、事件的关系和运算、事件的概率等。 一、随机事件 随机事件是指在试验中可能出现也可能不出现的事情。...
概率论基础知识及其在matlab中的实现范本模板.pdf
05-19
"概率论基础知识及其在 MATLAB 中的实现" 概率论是研究随机现象统计规律性的科学，本章学习随机事件及其发生的概率，多维随机变量的分布规律，参数估计与假设检验，方差分析与回归分析等概率统计的基本方法，以及...
概率论基础知识及其在matlab中的实现【最新资料】.doc
07-05
【概率论基础知识】 概率论是研究随机现象统计规律性的数学学科。它主要涉及随机事件及其发生的概率、随机变量的分布规律、参数估计、假设检验、方差分析和回归分析等概念。在实际应用中，概率论被广泛应用于统计...
数学基础 -- 概率统计之高斯分布
sz66cm 学习随笔
09-11 504
项目泰勒展开勒让德展开基于函数的导数勒让德多项式的正交性适用区间任意一点附近，尤其在aaa点附近−11[-1, 1]−11区间应用场景函数近似，局部线性化，物理和工程学中的小范围分析球谐分析，量子力学，电磁场中的球对称问题级数收敛性依赖于函数在展开点附近的光滑性与导数性质依赖于区间−11[-1, 1]−11上的函数特性优点在函数光滑时能够较好地逼近函数正交性保证了在一定区间内的良好逼近局限性可能在某些区域不收敛或逼近较差仅适用于固定区间，非球对称问题较少应用。
数学公式篇
老秦和梁思考
09-11 717
到对称轴距离相等，横坐标满足。
【自学笔记】支持向量机（1）
最新发布
qq_40432278的博客
09-11 855
海森矩阵是将函数在某一点处的所有二阶偏导数组织成一个矩阵的形式，这个矩阵可以提供函数在该点局部行为的详细信息。海森矩阵也记作H▽2fxH▽2fx我们有这样的定理：若函数在任一点的海森矩阵是半正定的，那么这个函数是凸函数。
【文献阅读】Unsupervised Machine Learning for Bot Detection on Twitter
weixin_42726068的博客
09-11 211
引入新特征，并降低所提模型的复杂性，从而提高基于聚类算法的机器人识别准确性。最小化数据集维度和选择重要特征来实现的。实验证明该方法的特征可以与四种不同的聚类技术（agglomerating、k-medoids、DBSCAN 和 K-means）结合使用，以解决由缺失标签和异常值引起的机器人识别问题。通过选择排名靠前的特征并减少维度，达到了 0.99 的准确率。
【机器学习】python补充知识点
2301_81133727的博客
09-11 146
是NumPy库中的，用于生成更灵活的数字序列，包括浮点数，并且返回的是NumPy数组。都是用于生成数字序列的函数，但它们属于不同的库，并且有不同的用途和特性。之前，需要确保已经安装了NumPy库，并且在代码中导入了NumPy。是Python内置的，用于生成整数序列，而。
线性代数基础：向量、矩阵、张量及其在机器学习中的应用详解
weixin_48979633的博客
09-11 779
向量是线性代数中的基本对象之一，表示具有大小和方向的量。向量可以看作是一个n维空间中的点，通常表示为一个列向量或行向量。v23v23​矩阵是按行和列排列的数值表，可以看作是多个向量的组合。矩阵的行和列决定了它的维度，矩阵的元素可以是实数、复数等。A1234A13​24​张量是向量和矩阵的广义形式，可以是多维数组。向量是一维的张量，矩阵是二维的张量，张量可以扩展到任意维度。
机器学习-聚类算法
weixin_47102187的博客
09-11 238
仅个人笔记，感谢点赞关注！
"深入理解机器学习必备的概率论基础知识
机器学习对概率论基础知识的要求是必不可少的。概率论是研究随机现象规律的数学分支，而机器学习则是利用数据和统计技术训练计算机模型，使计算机能够在没有明确指令的情况下执行任务。概率论提供了机器学习所需的...
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