机器学习基础--概率论与数理统计（已学习到P65）(忘记的东西都在这)

最新推荐文章于 2021-07-27 17:00:40 发布

yimo_5288

最新推荐文章于 2021-07-27 17:00:40 发布

阅读量414

点赞数

分类专栏：理论基础文章标签：概率论

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/yimo_5288/article/details/84562611

版权

理论基础专栏收录该内容

1 篇文章 0 订阅

订阅专栏

1、条件概率 $P(B|A) = P(AB) / P(A)$

2、全概率公式 $P(A) = P(A|B_1)P(B_1)+P(A|B_2)P(B_2)+P(A|B_3)P(B_3)+...+P(A|B_n)P(B_n)$

条件：B1,B2,B3...Bn是总体S的一个划分，即 $S = \bigcup_{i=1}^{n}{B_i}$ 且 $B_i\bigcap B_j = \phi ,i\neq j ,i,j = 1,2,3...n$

3、贝叶斯公式，也是需要符合上述条件

$P(B_i|A) = \frac{P(A|B_i)P(B_i) }{\sum_{j=1}^{n}{P(A|B_j)P(B_j)}}$

4、独立事件概率，条件：A事件的发生不影响B事件的发生

$P(AB)=P(A)P(B)$

5、离散随机变量

1、0-1分布 $P\{X=k\} = p^k(1-p)^{1-k}, k = 0,1...,0<p<1$

2、二项分布 $P\{X=k\} = \binom{n}{k}p^k(1-p)^{n-k},k=1,2...,X-b(n,p)$

3、泊松分布 $P\{X=k\} = \frac{\lambda ^ke^{-\lambda}}{k!}, k=1,2...,X-\pi (\lambda )$

6、连续随机变量，概率密度函数

1、均匀分布 $f(x) = \left\{\begin{matrix} \frac{1}{b-a} & ;a<x<b\\ 0 & ;other\ value \end{matrix}\right.\ \ \ ,X - U(a,b)$

2、指数分布 $f(x) = \left\{\begin{matrix} \frac{1}{\theta }e^{\frac{-x}{\theta}} & ;x > 0\\ 0 & ;other\ value \end{matrix}\right.$ ，无记忆性

3、正态分布 $f(x) = \frac{1}{\sqrt{2\pi \sigma }}e^{-\frac{(x-\mu )^2}{2\sigma ^2}}\ \ \ , -\infty <x <\infty \ \ \ ,X-N(\mu ,\sigma )$

关注

0
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

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。