微信扫一扫打赏支持

随笔分类 -  3_数学(概率论等)

摘要:宋浩《概率论与数理统计》笔记 2.1、随机变量的概念 一、总结 一句话总结: {w|x(w)=a}的样本点集合,也是事件 也可以写做{x=a}表示事件,比如丢筛子表示点数为3,则{x=3}, 概率的话可以表示为P{x=a},也可以写作P(x=a) 1、随机变量的概念:例:公交车站,每5分钟一辆,候车 阅读全文
posted @ 2020-10-30 19:30 范仁义 阅读(537) 评论(0) 推荐(1)
摘要:宋浩《概率论与数理统计》笔记 1.5.2、伯努利模型 一、总结 一句话总结: 伯努利实验:结果只有两种,硬币正反,射击中与不中,产品的次品与合格 P_n(K)=C_n^k*P^k*(1-P)^(n-k)=C_n^k*P^k*q^(n-k) q=1-p:二项概率公式 1、n重伯努利实验? n次,独立, 阅读全文
posted @ 2020-10-30 14:04 范仁义 阅读(933) 评论(0) 推荐(1)
摘要:宋浩《概率论与数理统计》笔记 1.5.1、事件的独立性 一、总结 一句话总结: A的概率不受B发生与否的影响 P(A|B)=P(A) A,B独立 <==> P(AB)=P(A)*P(B) 1、A,B独立 定义? P(AB)=P(A)*P(B) <==> A,B独立 2、Ω与Φ和任何事件A独立? P( 阅读全文
posted @ 2020-10-30 13:08 范仁义 阅读(1348) 评论(0) 推荐(1)
摘要:贝叶斯公式-汽车实例 一、总结 一句话总结: 令B是城市里车为蓝色的事件,G为车子是绿色的事件,E为观察到车子为蓝色的事件。则由已知条件可以得出P(B)=0.15,P(G)=P(~B)=0.85,至于P(E)我们一会儿再说。 贝叶斯里面现象(新的证据)部分总是分两种情况出现的:一是车子的确是蓝色的, 阅读全文
posted @ 2020-10-30 10:25 范仁义 阅读(724) 评论(0) 推荐(0)
摘要:贝叶斯公式的理解 一、总结 一句话总结: 我们把上面例题中的 A 变成样本(sample) x , 把 B 变成参数(parameter) \theta , 我们便得到我们的贝叶斯公式: $$\pi(\theta_i|x) = \frac{f(x|\theta_i)\pi(\theta_i)}{\s 阅读全文
posted @ 2020-10-30 10:21 范仁义 阅读(2070) 评论(0) 推荐(0)
摘要:宋浩《概率论与数理统计》笔记 1.4.2、贝叶斯公式 一、总结 一句话总结: 贝叶斯公式就是知道结果推原因:推导致发烧的原因中哪个的概率最大 1、贝叶斯公式 和 全概率公式的本质区别? 导致发烧的原因可能是感冒、肺炎、白血病 全概率公式就是知道原因推结果:得这三种病以及这三种病发烧的概率,求发烧的概 阅读全文
posted @ 2020-10-30 09:20 范仁义 阅读(742) 评论(0) 推荐(1)
摘要:全概率公式和贝叶斯公式 一、总结 一句话总结: 全概率就是表示达到某个目的,有多种方式(或者造成某种结果,有多种原因),问达到目的的概率是多少(造成这种结果的概率是多少) 贝叶斯公式就是当已知结果,问导致这个结果的第i原因的可能性是多少?执果索因! 1、条件概率 意义及意义例子? 举个例子,比如让你 阅读全文
posted @ 2020-10-30 07:32 范仁义 阅读(2395) 评论(0) 推荐(0)
摘要:宋浩《概率论与数理统计》笔记 1.4.1、全概率公式 一、总结 一句话总结: A1A2...An是E的完备事件组,P(Ai)>0,P(B)=∑P(Ai)P(B|Ai) 1、全概率公式 例:10台机器,3台次品,已售两台,剩下一台是正品的概率? 全概率问题也就是具体题目的时候,把所有情况列举出来 设 阅读全文
posted @ 2020-10-30 07:16 范仁义 阅读(1126) 评论(0) 推荐(1)
摘要:宋浩《概率论与数理统计》笔记 1.3.2、乘法公式 一、总结 一句话总结: P(AB)=P(B)P(A|B) P(AB)=P(A)P(B|A) P(A1A2...An)=P(A1)*P(A2|A1)*P(A3|A1A2)*P(An|A1A2...An-1) P(ABC)=P(A)*P(B|A)*P( 阅读全文
posted @ 2020-10-30 03:00 范仁义 阅读(1814) 评论(0) 推荐(1)
摘要:概率论 乘法公式 一、总结 一句话总结: P(AB)=P(B)P(A|B) P(AB)=P(A)P(B|A) 1、联合概率P(AB)和条件概率P(A|B)的理解? 联合概率侧重二者同时发生,而条件概率侧重一个先发生另一个后发生。 P(AB)=AB/S,P(A|B)=AB/B=P(AB)/P(B) 可 阅读全文
posted @ 2020-10-30 02:44 范仁义 阅读(5645) 评论(0) 推荐(0)
摘要:宋浩《概率论与数理统计》笔记 1.3.1、条件概率 一、总结 一句话总结: 条件概率就是样本空间发生了变化,和原来的样本空间不一样了 P(A|B)不等于P(AB),而是P(AB)/P(B) 1、条件概率 定义? Ω样本空间,A,B两个事件,P(B)>0,在B已经发生的条件下,A发生的概率。这就是A对 阅读全文
posted @ 2020-10-30 01:44 范仁义 阅读(686) 评论(0) 推荐(1)
摘要:宋浩《概率论与数理统计》笔记 1.2.5、公理化 一、总结 一句话总结: 概率的公理化定义只是限制我们研究的(空间,事件,概率测度)这个三元组需要符合哪些性质,对于具体的概率是多少,定义中并没有给出。 1、概率可加性的前提条件是什么:P(A1+...+Am)=P(A1)+...+P(Am)? 事件两 阅读全文
posted @ 2020-10-29 22:29 范仁义 阅读(816) 评论(0) 推荐(1)
摘要:宋浩《概率论与数理统计》笔记 1.2.4、频率与概率 一、总结 一句话总结: n次试验,A发生了m次,m/n是频率,记做ω_n(A) 1、频率的特性? 非负:0<=ω_n(A)<=1 规范:ω_n(Ω)=1 ω_n(φ)=0 可加性:A1...Am互不相容,ω_n(A1+...+Am)=ω_n(A1 阅读全文
posted @ 2020-10-29 21:38 范仁义 阅读(473) 评论(0) 推荐(1)
摘要:频率和概率 一、总结 一句话总结: 1) 频率:在n次重复试验中,事bai件A发生du了m(A)次,则称:m(A)/n 为事件A发生的频率; 2) 概率:随zhi机事件A发生可能性大小dao的度量(非负实数,<=1),称为事件A发生的概率,记做P(A),P是英文Probability(概率)的字头。 阅读全文
posted @ 2020-10-29 21:29 范仁义 阅读(1881) 评论(0) 推荐(0)
摘要:宋浩《概率论与数理统计》笔记 1.2.3、几何概型 一、总结 一句话总结: 几何概率模型 就是那些 线段、平面、立体 相关的模型 1、几何概率模型 实例? 几何概率模型 就是那些 线段、平面、立体 相关的模型 一个3cm的线段,一个质子扔到1-2之间的概率是1/3 一张桌子,一个质子扔到左边部分的的 阅读全文
posted @ 2020-10-29 16:18 范仁义 阅读(455) 评论(0) 推荐(1)
摘要:宋浩《概率论与数理统计》笔记 1.2.2、古典模型 一、总结 一句话总结: 1、概率的表示? 【注意概率表示为P(A)】:概率是可能性的大小:表示为P(A),比如抛硬币,A表示正面,B表示背面,P(A)=1/2,P(B)=1/2 2、概率 的性质? P(Ω)=1 P(Φ)=0 0<=P(A)<=1 阅读全文
posted @ 2020-10-29 16:14 范仁义 阅读(635) 评论(0) 推荐(1)
摘要:几何概率模型是什么 一、总结 一句话总结: 【例如方格中投一个石子】:例如一个人到单位的时间可能是8:00~9:00之间的任意一个时刻、往一个方格中投一个石子,石子落在方格中任何一点上……这些试验出现的结果都是无限多个,属于几何概型。 【无限性和等可能性】:一个试验是否为几何概型在于这个试验是否具有 阅读全文
posted @ 2020-10-29 15:35 范仁义 阅读(396) 评论(0) 推荐(0)
摘要:宋浩《概率论与数理统计》笔记 1..1.1-1.1.3、概率论基本概念 一、总结 一句话总结: 1、随机试验 条件? 1、在相同条件下可重复 2、结果不止一个 3、无法预测 4、用字母E表示 2、事件、随机事件、基本事件、复合事件 分别是什么? 事件:每次随机试验的结果 随机事件:随机的事件,通常用 阅读全文
posted @ 2020-10-29 11:00 范仁义 阅读(3861) 评论(0) 推荐(3)
摘要:独立同分布(总结) 一、总结 一句话总结: 【服从同一分布,并且相互独立】:独立同分布(iid,independently identically distribution) [1] 在概率统计理论中,指随机过程中,任何时刻的取值都为随机变量,如果这些随机变量服从同一分布,并且互相独立,那么这些随机 阅读全文
posted @ 2020-10-24 12:56 范仁义 阅读(2420) 评论(0) 推荐(0)
摘要:什么是线性变换和非线性变换 一、总结 一句话总结: [①]、从数值意义上,变换即函数,线性变换就是一阶导数为常数的函数,譬如y=kx,把y=kx拓展为n维空间的映射,x、y看做n维向量,当k为常数时,易得满足同质性f(ka)=kf(a),当k为一个矩阵时,易得满足可加性f(a+b)=f(a)+f(b 阅读全文
posted @ 2020-09-21 20:48 范仁义 阅读(6798) 评论(0) 推荐(0)