关键词:
❤️机器学习基础知识❤️之概率论的❤️随机变量及其分布❤️
文章目录
❤️本为主要在于介绍和讲解随机变量以及其分布了,希望对大家有一些帮助。。。。。。❤️
一、随机变量以及其分布
这里首先介绍随机变量及其分布的概念。
1、连续变量
随机变量
在随机现象之中,有很多的样本点,其本身就是使用数量进行表示的额,由于样本点出现的随机性,其数量呈现为随机变量,这就是我们所说的随机变量了。这其实是随机变量的一个通俗的理解了啦。
随机变量又分为:
1、离散随机变量;
2、连续随机变量。
随机变量的分布函数
随机变量的分布常常使用函数的形式来进行表述,这就是随机变量的分布函数。
- 任何一个随机变量都有自己的分布函数。
- 分布函数的性质:
1、单调性;
2、有界性;
3、右连续性(其实就是类似于连续性啦)。- 以上的三条性质可以称为判别某一个函数是否可以成为一个分布函数的充要条件。
下面举一个例子:
柯西分布函数:
1、概率密度分布:
2、分布函数:
3、一些性质:
参数 | x_0! 位置参数(实数)\\gamma > 0! 尺度参数(实数) |
值域 | x \\in (-\\infty; +\\infty)! |
概率密度函数 | \\frac1\\pi\\gamma,\\left[1 + \\left(\\fracx-x_0\\gamma\\right)^2\\right] ! |
累积分布函数 | \\frac1\\pi \\arctan\\left(\\fracx-x_0\\gamma\\right)+\\frac12 |
标记 | notation |
期望值 | (没有定义) |
中位数 | x_0 |
众数 | x_0 |
方差 | (没有定义) |
偏态 | (没有定义) |
峰态 | (没有定义) |
熵值 | \\ln(4,\\pi,\\gamma)! |
动差生成函数 | (没有定义) |
特征函数 | \\exp(x_0,i,t-\\gamma, |
上面的公式有一些小问题,下面重新放一张图片进行显示性质:
2、离散变量
离散变量与连续变量的分布是类似的,只不过这里离散变量的分布函数也是离散的啦。
离散变量的分布函数通常使用分布列来进行描述分布,构成一个概率分布列或者说是分布列。
分布列的基本性质:
1、非负性;
2、正则性。
3、概率密度
概率密度是对于连续变量而言的,表示在某一段x的区间之上,单位长度的变量x所对应的概率的数值的大小。描述概率密度的函数叫做概率密度函数或者密度函数或者密度。
注意点
1、不可能事件的概率为0,但是概率为0的事件未必是不可能事件;
2、同样的,绝对事件的概率为1,但是,概率为1的事件未必是绝对事件。
二、随机变量的数学期望
1、数学期望的概念
数学期望实际上就是我们日常中说的平均值,当然了,有两种平均的方式:
1、算术平均;
2、加权平均。
2、数学期望的定义
三、随机变量的方差以及标准差
1、方差
2、标准差
3、标准差与方差
四、常用的离散的分布
这里由于一些公式比价难以敲上来,于是,我们采用手写的方法来进行常用的离散的分布的描述。(字的美丑问题不要太在意啦www…)
其实主要就是:
1、二项分布;
2、泊松分布;
3、超几何分布;
4、几何分布。
以上就是常用的离散的分布啦。
五、常用的连续的分布函数
这里也是同样的展示形式,主要有五个连续的分布函数:
1、正态分布(高斯分布);
2、均匀分布;
3、指数分布;
4、伽马分布;
5、贝塔分布。
如下图所示:
以上就是常用的一些连续分布函数的表述了啦。上面是对常用的连续分布函数的一个简单的介绍,如果需要更细致的了解可以自行查阅相关的资料啦。
六、随机变量函数的分布
在实际的问题之中,我们感兴趣的是已经知道了随机变量的分布,然后需要去求解一个与当前随机变量有关的函数的具体的分布情况。
寻求随机变量函数的分布的问题,是概率论的基本技巧,在概率论与数理统计之中经常需要使用到这些技巧。
这里我们不在详细叙述,因为本质就是通过一个变量的分布,求解另一个变量的分布,最主要的方法其实是变量的代换,或者求解方程而已。而且我们在机器学习中不太会关注到这个方面的问题,因此不过多的叙述了啦。
七、分布的其他的特征数
主要是有六个分布的其他的特征数:
1、k阶矩;
2、变异系数;
3、分位数;
4、中位数(中位数是分位数的特例);
5、偏度系数;
6、峰度系数。
具体的描述如下图所示:
本章的一些基础的习题我们就不展示了,主要是希望大家对这些基本的概念以及公式有一个比较清楚的理解和应用了啦。
END.
最后,感谢大家的阅读与支持,期待大家的点赞哦。如果觉得有些帮助的话,就点个赞吧 (づ ̄3 ̄)づ╭❤~。
本系列会持续更新,期待大家的持续关注(๑′ᴗ‵๑)I Lᵒᵛᵉᵧₒᵤ❤。
机器学习基础知识之概率论基础详解
机器学习基础知识之概率论基础详解文章目录机器学习基础知识之概率论基础详解引言一、随机事件以及其运算1、样本空间的概念2、随机事件3、随机变量4、事件之间的关系4.1包含关系4.2相等关系4.3互不相容5、事件间的运算5.1... 查看详情
机器学习基础知识之概率论基础详解
机器学习基础知识之概率论基础详解文章目录机器学习基础知识之概率论基础详解引言一、随机事件以及其运算1、样本空间的概念2、随机事件3、随机变量4、事件之间的关系4.1包含关系4.2相等关系4.3互不相容5、事件间的运算5.1... 查看详情
机器学习基础知识之概率论的matlab描述概率的图像
机器学习基础知识之概率论的Matlab描述概率的图像(二)文章目录机器学习基础知识之概率论的Matlab描述概率的图像(二)一、引言二、实际的Matlab的应用1、F分布2、泊松分布3、指数分布4、均匀分布5、二项分布6... 查看详情
机器学习基础知识之概率论的matlab描述概率的图像
机器学习基础知识之概率论的Matlab描述概率的图像(二)文章目录机器学习基础知识之概率论的Matlab描述概率的图像(二)一、引言二、实际的Matlab的应用1、F分布2、泊松分布3、指数分布4、均匀分布5、二项分布6... 查看详情
机器学习预备知识之概率论(下)
期望值和方差随机变量的期望值E(X),也称为平均数或者均值,使用下面的公式计算,这两个公式分别用于计算离散随机变量和连续随机变量的期望值:使用上面的公式计算指示器变量(取值要么为1要么为0的... 查看详情
机器学习之概率与统计-随机变量及其分布
目录一、 概率公理及推论...21. 联合概率...22. 条件概率...23. 全概率公式...24. 贝叶斯公式...2二、 随机变量及其分布...21. 随机变量...22. &nb 查看详情
深度学习数学基础介绍概率与数理统计
第1章随机事件与概率§1.1随机事件§1.2随机事件的概率§1.3古典概型与几何概型§1.4条件概率§1.5事件的独立性第2章随机变量的分布与数字特征§2.1随机变量及其分布§2.2随机变量的数字特征§2.3常用的离散型分布§2.4常用的连续型... 查看详情
机器学习之概率与统计-多元随机变量及其分布
目录一、 随机向量及其分布...21.多元向量的联合分布...21.1离散情况...21.2连续情况...22.多元向量的边缘分布...22.1离散情况...22.2连续情况...23.多元向量的条件分布...24.贝叶斯规则...35.多元向量独... 查看详情
概率论基础知识
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1.2分布函数的定义及性质性质2、离散型与连续型随机变量2.1离散型随机变量定义、分布律常见离散型随机变量... 查看详情
机器学习中涉及的概率论知识回顾
目录1.条件概率 2.独立性 3.全概率公式 4.贝叶斯公式 5.伯努利模型 6.随机变量的分布 7.分布函数 1.条件概率2.独立性3.全概率公式4.贝叶斯公式5.伯努利模型6.随机... 查看详情
机器学习算法
几个分布函数:PMF(概率质量函数):离散随机变量在各特定取值上的概率。PDF(概率密度函数):对连续随机变量定义,只有对连续随机变量的取值进行积分后才是概率。CDF(累积分布函数):能完整描述一个实数随机变量X... 查看详情
概率论——随机变量及其分布
【随机变量】设随机实验的样本空间是S=|e|,X=X(e)是定义在样本空间S上的实值单值函数,称X=X(e)为随机变量。【概率分布率】设随机变量X,其所有可能去的不同值为:取各个值的可能的概率分别为:即:若该公式满足以下条件... 查看详情
机器学习中涉及的概率论知识回顾
1.常见分布的期望与方差 2.二维随机变量的数字特征:相关系数:协方差矩阵及性质 查看详情
概率论学习笔记
文章目录第一章随机事件和概率第一节事件的关系和运算第二节概率及公式条件概率独立容斥乘法全概率公式贝叶斯公式古典概型和伯努利补充第二章随机变量及其概率分布第一节随机变量及其分布函数第二节常用分布0−10-1 查看详情
机器学习基础知识之概率论的matlab描述概率的图像
机器学习基础知识之概率论的Matlab描述概率的图像(一)(由于有很多的分布,而且还有一维分布以及多维分布,因此,我们一篇博文写下来的话内容量太大,文章太长,因此,我们分三次写完... 查看详情
深度学习的数学基础
深度学习的数学基础微积分无穷小在17世纪下半叶,数学史上出现了无穷小的概念,而后发展处极限的概念极限数列的极限函数的极限导数微分积分不定积分也称为原函数或反导数定积分定积分中值定理牛顿-莱布尼茨公式偏导数... 查看详情
随机变量及其分布
一、随机变量研究随机变量主要取决于两点。一是随机变量可能取哪些值;二是它以多大的概率取这些值。概率分布函数通过定义可以看出,概率分布函数描述的就是某个范围内概率的累计,分布函数是概率密度函数... 查看详情
一维随机变量及其概率分布
1.随机变量的概念顾名思义,随机变量就是“其值随机会而定”的变量。随机变量的反面是“确定性变量”,即其值遵循某种严格的规律的变量,比如从北京到上海的距离。但是从绝对意义上讲,许多通常视为确定性... 查看详情