概率论复习 – 基础概率分布发现对概率论的基本概念理解不是很深入，导致看后面的东西时常有些莫名其妙的疑惑，回头来看看概率论与统计1. 累积分布函数（CDF –Cumulative distribution function或直接就叫 distribution function） CDF其定义为...
转载
2015-03-26 13:53:00
362阅读
2评论
1 基本概念 1.1 随机事件 随机试验三要素: 可在同等条件下重复; 结果是可被事先预测的多种可能; 试验前结果不确定. 1.2 样本空间 样本空间 (Sample Space) : 随机试验 \(E\) 的所有可能结果的集合, 记作 \(\Omega = \{ \omega \}\). 样本点 ...
转载
2021-10-08 21:33:00
667阅读
2评论
概率图模型 概率图模型把基于图的表示作为在高维空间上紧凑编码复杂分布的基础. 下图中, 节点 (或椭圆) 与问题中的变量对应, 而边与它们之间的直接概率交互对应: 在线查询: http://pgm.stanford.edu/ 中译本: 概半图模型：原理与技术 / (美国) Kollcr D., (以
原创
2021-08-27 09:51:21
229阅读
阅读了江苏省扬州中学的胡渊明的2013年的概率论论文收获很大，以下是自己的一点点总结首先是对基本概念和公式的理解：一．概率１．１概率空间设样本空间为Y，定义事件为Ｙ的某个子集在acm中，我们可以认为Y的任何一个子集都是一个事件，所有事件的集合记为Ｆ概率测度Ｐ，是事件集合到实数的一个函数．但并不是所有的概率测度都是合理的．一个合理的概率测度需要满足３条公理：（
原创
2023-04-24 03:20:09
337阅读
本文主要介绍概率与数理统计中的一些常见的基本概念。样本空间对于随机试验，尽管在每次试验之前不能预知试验的结果，但是试验的所有可能结果集合是已知的，我们将随机试验E的所有可能的结果组成的集合称为E的样本空间，记为S。样本空间的的元素，即E的每个可能结果，称为样本点。比如事件E：抛一枚硬币，观察正面H，...
转载
2015-12-08 01:02:00
136阅读
2评论
一、PGM图来自：http://blog.sina.com.cn/s/blog_5980285201011z75.html二、用
转载
2013-05-16 10:08:00
143阅读
2评论
3-1、为什么使用概率？ 概率论是用于表示不确定性陈述的数学框架，即它是对事物不确定性的度量。 在人工智能领域，我们主要以两种方式来使用概率论。首先，概率法则告诉我们AI系统应该如何推理，所以我们设计一些算法来计算或者近似由概率论导出的表达式。其次，我们可以用概率和统计从理论上分析我们提出的AI系统
转载
2018-10-23 18:07:00
370阅读
2评论
1.加法原理： 做一件事有n种方法，第i个步骤有pi种方案。则一共同拥有p1+p2+……+pn种方案 2.乘法原理： 做一件事。完毕它须要分成n个步骤，做第一 步有m1种不同的方法。做第二步有m2不同的方法。……。做第n步有mn不同的方法。那么完毕这件事共同拥有 N=m1×m2×m3×…×mn 种不
转载
2017-04-18 10:30:00
66阅读
2评论
书籍：Foundation of Probability Theory作者：Feng-Yu Wang，Yong-Hua Mao出版：World Scientific Publishing Company编辑：陈萍萍的公主@一点人工一点智能01 书籍介绍本书以精炼而清晰的方式介绍了测度理论，为读者提供了概率论数学公理体系的坚实基础。与初等概率论通过特定的随机试验实例处理随机事件不同，《概率论基础》提
一.概率导论 二.事件及其运算 三.古典概型 四.几何概型 ...
转载
2021-10-08 21:55:00
132阅读
2评论
全概率公式：已知过程求结果。如果{Bn:n= 1, 2, 3, ... } 是一个概率空间的有限或者可数无限的切割（既Bn为宜完备事件组），且每一个集合Bn是一个可測集合，则对随意事件A有全概率公式：又由于此处Pr(A|B)是B发生后A的条件概率，所以全概率公式又可写作：贝叶斯公式：已知结果求过程。...
转载
2014-10-25 20:21:00
336阅读
2评论
概率论基础（一）<1>概率基础概念<2>随机变量的概率特征–分布函数<3>随机变量的数值特征<4>数理统计的基础概念<5>参数估计<6>假设检验...
原创
2021-08-02 14:20:26
445阅读
几乎可以作为任何需要基础概率论知识的学科的前导资料 Random Graphs by Béla Bollobás 书里给出的就是快问快答的形式，这里摘几个较新鲜的。不定期更新 概率论中的马尔科夫不等式 if \(X\) is a non-negative r.v. with mean \(\mu\)
原创
2021-06-06 09:18:51
1211阅读
个人学习笔记，由于是国外教材，所以翻译的数学名词可能与国内教材上的有些许出入。
原创
2022-12-30 08:03:19
412阅读
@
目录
一、概率论1.1 基本名词概念
1.2 概率的定义
1.3 条件概率的定义
1.4 条件概率的三大公式
1.5 独立性
1.6 条件独立性
1.7 概率图模型常用的三个概念
二、图论
一、概率论
1.1 基本名词概念
1.2 概率的定义
1.3 条件概率的定义
1.4 条件概率的三大公式
1.5 独立性
1.6 条件独立性
1.7 概率图模型常用的三个概念
二、
转载
2020-07-20 20:33:00
1265阅读
2评论
作者|Tivadar Danka
抽象是为了隐藏不相关的东西，只关注重要的细节。虽然有时看起来很可怕，但它是管理复杂性的最佳工具。如果你让n个数学家来定义数学是什么，你可能会得到2n个不同的答案。我的定义是，它是一门将事物抽象出来，直到只剩下核心的科学，为任何事物的推理提供了最终的框架。你想过概率到底是多少吗？你肯定用它来推理数据，做统计分析，甚至通过统计学习为你建立推理算法。在这篇文章中，我们将
转载
2020-06-26 15:38:00
123阅读
2评论
概率论对于我们学习机器学习，深度学习等理论，还是自然语言处理，计算机视觉等应用都是很有用的。概率论和其他线性代数，微积分等还是不太一样的，概率这样的问题，就是在我们生活中经常碰到并且使用的学科，很大众化。又因为我发现Coursera上竟然有如此好的概率课程，概率（Probability），台湾大学叶丙成老师，将理论与现实相结合，不再苦涩难懂，学了动手就能用上。所以我就打算系统学学概率论啦。大家如果
原创
2021-04-10 14:17:56
800阅读
