ACM_概率论第35页

统计篇（一）-- 概率论、随机过程、信息论知识汇总

而概率论为整个统计学奠定了基础，它为总体、随机试验等几乎所有随机现象的建模提供了方法。（一）样本与事件称某次试验全体可能的结果所构成的集合S为该试验的样本空间（samplespace）。

长路漫漫2021·2022-10-25 19:14

统计篇（二）-- 概率论、随机过程、信息论知识汇总

4高斯分布4.1一维正态分布正态分布的概率密度函数为:p(x)=12πσe−(x−μ)2/(2σ2),−∞0)\mu,\sigma(\sigma>0)μ,σ(σ>0)为常数。若随机变量XXX的概率密度函数如上所述，则称XXX服从参数为μ,σ\mu,\sigmaμ,σ的正态分布或者高斯分布，记作X∼N(μ,σ2)X\simN(\mu,\sigma^2)X∼N(μ,σ2)。特别的，当μ=0,σ=1\m

长路漫漫2021·2022-10-25 19:09

浅析概率论的应用

浅析概率论的应用【摘要】在学习概率论与数理统计过程中，我们可以发现随机现象存在于我们日常生活的方方面面和科学技术的各个领域。

唐曌·2022-10-25 19:39

【概率论与数理统计(研究生课程)】知识点总结8(假设检验)

原文地址：【概率论与数理统计(研究生课程)】知识点总结8(假设检验)目录假设检验依据方法(概率论反证法)逻辑两类错误第一类错误第二类错误解题步骤以单正态总体均值μ\muμ双边检验为例，方差σ\sigmaσ

小吴不会敲代码吧·2022-10-25 12:14

【机器学习】朴素贝叶斯算法及其实现

3.实验知识点朴素贝叶斯算法4.实验环境python3.6.55.预备知识概率论与数理统计Linux命令基本操作Python编程基础实验原理朴素贝叶斯算法朴素贝叶斯算法是有监督的学习算法，解决的是分类问题

Aaron_Liu0730·2022-10-24 18:51

Python深度学习03——Keras卷积神经网络(CNN)实现

阡之尘埃·2022-10-23 16:42

【概率论与数理统计(研究生课程)】知识点总结7(参数估计)

原文地址：【概率论与数理统计(研究生课程)】知识点总结7(参数估计)目录矩估计极大似然估计似然函数(θ\thetaθ为待求参数)估计量评选标准无偏性一致性有效性优效估计量（有效估计量）常见分布的参数矩估计和极大似然估计区间估计正态总体均值的区间估计单个正态总体

小吴不会敲代码吧·2022-10-22 07:23

Bishop 模式识别与机器学习读书笔记_ch1.2 概率论基础

ch1.2概率论基础文章目录ch1.2概率论基础@[toc]1.概率论的重要作用1.1从一个小例子到概率基本概念1.2互斥1.3加法与乘法规则1.4联合概率1.5条件概率2.概率的深度应用2.1一维概率密度

Mr_LeeCZ·2022-10-22 07:20

机器学习｜（I）机器学习概述

第一章机器学习概述文章目录第一章机器学习概述1.机器学习2.机器学习基础2.1数据的表达2.2内积与投影2.3基于矩阵的距离运算2.4优化：牛顿迭代和梯度下降算法1.机器学习机器学习是一门多学科交叉专业，涵盖概率论知识

Mr_LeeCZ·2022-10-22 07:49

机器学习学习笔记(1) -- 简析入门

机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科；机器学习是一种偏向于技术的方法，研究目的包括模式识别、神经网络和深度学习；机器学习理论主要是设计和分析一些让计算机可以自动

№一个达不刘·2022-10-22 07:44

神经网络入门经典书籍,人工神经网络书籍推荐

注：前身课程需要《概率论》《高等数学

技术的呼唤·2022-10-22 07:38

Bishop 模式识别与机器学习读书笔记_ch2.1 离散型概率分布

ch2.1常见的离散型概率分布概率论在解决模式识别问题中起着重要作用。本章介绍的分布及性质为后续的复杂模型理解提供了应用基础，也会在简单模型的上下文中讨论一些关键的统计概念，例如贝叶斯推断。

Mr_LeeCZ·2022-10-22 07:31

2022年推荐算法效率开发必备工具榜单

一.引言一个优秀的算法工程师应该至少具备3类能力：基础能力：包含数理统计、机器学习、概率论以及深度学习等相关知识编程能力：python、C++orJava以及基本的Sql、linux、shell命令核心能力

BIT_666·2022-10-20 22:25

手写数字识别实践（一）：基于朴素贝叶斯分类器与PyQt5

Emmm……其实这个问题不算太大，毕竟就个人而言写程序这种实践类的事总是比学习概率论之类的理论分析稍微好受一些的QAQ……好了废话不多说，下面正式开始吧：编程及运行环境：VSCode+Win10（Ubuntu

-KARAS-·2022-10-19 07:19

AI 人工智能之常见概率分布(2)

在概率论和统计学中，均匀分布也叫矩形分布，它是对称概率分布，在相同长度间隔的分布概率是等可能的。均匀分布由两个参数a和b定义，它们是数轴上的最小值和最大值，通常缩写为U(a，b)。

剑池·2022-10-19 07:47

[机器学习、Spark]Spark MLlib机器学习

Spark机器学习库MLlib的概述简介：分享的是一个当代疫情在校封校的大学生学习笔记目录初始机器学习一．什么是机器学习二．机器学习的应用初始机器学习一．什么是机器学习机器学习是一门多领域的交叉学科，涉及概率论

发量不足·2022-10-18 07:55

人工智能数学基础——数理统计

数理统计以概率论为理论基础，但两者之间存在方法上的本质区别。概率论作用的前提是随机变量的分布已知，根据已知的分布来分析随机变量的特征与规律；

菠萝小笨笨·2022-10-17 08:56

卡尔曼滤波c语言程序,卡尔曼滤波算法的简单应用及其C语言实现

首先，要用这个算法必须先了解它的公式，而想要理解公式就要有概率论的基础，像我现在就没有，所以挺懵的，很多地方没搞清楚。

weixin_39999209·2022-10-17 08:25

《机器学习》学习笔记（四）——用Python代码实现单变量线性回归、多变量线性回归；数据评估之交叉验证法、留出法、自助法

机器学习(MachineLearning)是一门多学科交叉专业，涵盖概率论知识，统计学知识以及复杂算法知识，使用计算机作为工具并致力于真实实时的模拟人类学习方式，并将现有内容进行知识结构划分来有效提高学习效率

闭关修炼——暂退·2022-10-17 07:43

基于最小二乘法的线性回归拟合

阅读本文需要的知识储备：高等数学概率论与数理统计Python基础线性回归，其实生活中有很多这样的例子，比如：票价与行车距离、服务质量之间的关系，买房时房价与面积、地域等的关系。

大数据技术派·2022-10-16 07:09

入坑机器学习：一，绪论

在入坑之前，需要大家有一定的数学基础，高数，线代，概率论，个人认

喜欢吃豆·2022-10-14 09:11

想念她

也许我是想念我的大学时光，那个叫做盛乐的地方，或许想念的东西叫做青春，还有那个邂逅笑起来很阳光、清纯而善良的女孩儿的操场，今天就单说说她，一个近乎完美的学霸，每次都是专业第一，性格又非常好，脾气也很好，当我担心第二天概率论与数理统计成为我大学唯一挂科课程而急得在自习室独立哭泣的那晚出现在我身边帮我辅导而没有挂科的她

小语林·2022-10-14 00:47

朴素贝叶斯垃圾邮件检测 Naive Bayes Spam detection

[-]摘要一认识朴素贝叶斯分类二朴素贝叶斯分类数学原理1贝叶斯定理2朴素贝叶斯分类的概率论原理1贝叶斯分类概率论描述2先验条件概率的计算方法3算法改进三Python实现朴素贝叶斯分类算法四朴素贝叶斯分类用于文本分类

惜君Iris·2022-10-13 14:54

【吐血推荐】机器学习/深度学习入门资料汇总及学习建议【入门必看】

一、机器学习的数学基础正规的机器学习数学基础主要有：数学分析（微积分），线性代数，概率论，统计，应用统计，数值分析，常微分方程，偏微分方程，数值偏微分方程，运筹学，离散数学，随机过程，随机偏微分方程，抽象代数

远岫出烟云·2022-10-10 20:34

概率论总结——泊松分布与指数分布

概率论总结——泊松分布与指数分布泊松分布P(λ)P(\lambda)P(λ)定义如果随机分布XXX有如下的概率分布：P(X=k)=λkk!

我不是秃函数·2022-10-10 19:16

概率论——随机变量及其分布

文章目录第一节随机变量的概念1.引例2.数学定义3.随机变量的分类1.离散随机变量2.连续随机变量3.既非离散，又非连续随机变量第二节离散随机变量一、离散随机变量的概率分布1.概率分布表（表格法）2.离散随机变量的概率函数（公式法）3.概率函数的性质第三节常用离散分布一、超几何分布1.定义2.利用MATLAB软件计算和绘图二、二项分布1.定义三、0-1分布1.定义2.利用MATLAB软件计算和绘图

Vicky__3021·2022-10-10 19:09

概率论——数学——大学课程学习

第一周概率论的基本概念（上）1.1随机现象及其统计规律性；1.2样本空间和随机事件；1.3事件之间的关系及其基本运算；1.4频率和概率；1.5概率的公理化定义；1.6概率的基本性质；(单元测验和作业)第二周概率论的基本概念

weixin_30248399·2022-10-10 19:04

概率论与数理统计——分布律

1随机变量分布-0-1分布（抛硬币，正面概率？）X01pk1-pp2随机变量分布-二项分布(伯努利实验：n次抛硬币，k次正面的概率？B(n,p))3随机变量分布-泊松分布（在一个时间间隔内的计数值，一页纸中印刷错误数、一天急诊人数......）x取值为0、1、2、...概率如下：泊松定理（泊松分布逼近二项分布）4连续随机变量-均匀分布U（a,b）随机变量X在（a,b）之间均匀分布5连续随机变量-指

qq_40111948·2022-10-10 19:03

概率论——期末复习

1、第一章1.1第一类题型：古典概型1.1.1无放回：越抽越少1.1.2有放回1.2几何概型题干形如：一个区间里面取两个数，这两个数怎么样怎么样的概率。1.3求事件的概率画图1.4事件独立性根据相互独立，就能多一个已知，然后再去画图求解1.5条件概率1.6全概率公式1.7贝叶斯公式2、第二章：离散型2.1一维离散型求分布律2.2一维离散型求期望方差2.3二维离散行求分布律2.4二维离散行求边缘分布

m0_51551385·2022-10-10 19:02

概率论与数理统计学习笔记（6）——分布律，分布函数，密度函数

对了宝贝儿们，卑微小李的公众号【野指针小李】已开通，期待与你一起探讨学术哟~摸摸大！目录1离散型随机变量1.1（0-1）分布1.2伯努利试验1.3二项分布1.4几何分布1.5泊松分布2.连续型随机变量2.1分布函数与概率密度函数2.2均匀分布2.3指数分布2.4正态分布2.4.1标准正态分布2.4.2一般正态分布References1离散型随机变量离散型随机变量指的是取到的值时有限个或者可列无限多

野指针小李·2022-10-10 19:31

概率论与数理统计学习笔记——第7讲——连续型随机变量（2.5.4指数分布及其与泊松分布的关系）

1.指数分布的定义2.指数分布的分布函数3.指数分布的重要性质——无记忆性4.指数分布的应用示例——元器件的寿命与其已使用无关（指数分布又被称为永远年轻分布）5.泊松分布与指数分布的关系6.指数分布的应用示例

预见未来to50·2022-10-10 19:01

概率论与数理统计——随机变量及其分布

文章目录随机变量与分布函数1.随机变量2.分布函数3.由分布函数求概率随离散型随机变量及其分布1.一维离散型随机变量2.分布律3.离散型随机变量4.重要分布连续型随机变量1.连续型随机变量的概率密度2.连续型随机变量的概率密度函数f(x)f(x)f(x)的性质3.连续型随机变量的概率密度与分布函数以及事件概率的关系4.重要分布随机变量函数的分布1.离散型随机变量函数的分布2.连续型随机变量函数的分

LateNight_LL·2022-10-10 19:30

概率论复习笔记二——离散型分布和连续型分布

一、离散型分布1.1伯努利分布在一次试验中，事件AAA出现的概率为ppp，不出现的概率为q=1−pq=1-pq=1−p，若以β\betaβ记事件AAA出现的次数，则β\betaβ取0,10,10,1两值，相应的概率分布为bk=P{β=k}=pkq1−k,k=0,1(1)b_k=P\{\beta=k\}=p^kq^{1-k},k=0,1\tag1bk=P{β=k}=pkq1−k,k=0,1(1)这个

诡秘愚者·2022-10-10 19:30

概率论 —— 泊松分布和指数分布

参考：泊松分布是怎么来的？应该怎么用？文章目录1.泊松分布1.1定义和性质1.2理解泊松分布1.2.1从二项分布角度理解1.2.2直观理解1.3分布律曲线2.指数分布1.泊松分布1.1定义和性质泊松分布：设非负的离散随机变量XXX取值为0,1,2,…分布律为P(X=k)=λkk!e−λ,k=0,1,2...,λ>0P(X=k)=\frac{\lambda^k}{k!}e^{-\lambda},\q

云端FFF·2022-10-10 18:59

c++ opencv数字图像处理：低通滤波之高斯滤波器

图像处理中的高斯函数1.一维高斯函数2.二维高斯函数二、高斯滤波器1.程序前言数字图像处理c++opencv（VS2019opencv4.53）持续更新一、图像处理中的高斯函数1.一维高斯函数在统计学与概率论中

‭刘燚·2022-10-09 13:16

机器学习之监督与非监督算法

机器学习1、概念学习是一门多学科交叉专业，涵盖概率论知识，统计学知识，近似理论知识和复杂算法知识，使用计算机作为工具并致力于真实实时的模拟人类学习方式，并将现有内容进行知识结构划分来有效提高学习效率。

pan_mlpan·2022-10-05 18:39

贝叶斯分类器详解从零开始从理论到实践

贝叶斯分类器详解从零开始从理论到实践大纲总览一、贝叶斯相关概念1.1、频率学派和贝叶斯学派1.1.1、频率学派1.1.2、贝叶斯学派1.2、概率论基础知识1.3、贝叶斯定理二、概率的分布2.1、离散概率分布

BlackStar_L·2022-10-04 13:19

1.监督学习与无监督学习

机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。

⁠脱欢·2022-10-02 11:21

【阅读笔记】《深度学习》第一章：引言

神经网络的众多名称和命运变迁2.2与日俱增的数据量2.3与日俱增的模型规模2.4与日俱增的精度、复杂度和对现实世界的冲击阅读总结前言深度学习（deeplearning）作为深度学习领域的殿堂级作品，囊括了数学领域包括线性代数、概率论

HERODING23·2022-10-02 09:11

西瓜书研读——第三章线性模型：线性判别分析 LDA

一元线性回归西瓜书研读——第三章线性模型：多元线性回归西瓜书研读——第三章线性模型：线性几率回归（逻辑回归）主要教材为西瓜书，结合南瓜书，统计学习方法，B站视频整理~人群定位：学过高数会求偏导、线代会矩阵运算、概率论知道啥是概率原理讲解

小白不白白_·2022-10-02 07:17

概率论与数理统计

概率论与数理统计一、概率论基本概述1.1、随机试验1.2、样本空间与随机事件1.3、频率与概率1.4、古典概型1.5、条件概率1.6、独立性二、随机变量及其分布2.1、随机变量2.2、离散型随机变量及其分布

不败顽童博主·2022-09-30 13:17

01概率论与数理统计笔记——随机事件与概率

文章目录一、随机事件随机事件的关系与运算随机事件的运算律二、概率模型概率律概率公理概率性质古典概型与几何概型古典概型几何概型条件概率全概率公式与贝叶斯公式三、事件的独立性与独立重复实验事件独立性独立重复实验和伯努利概型一、随机事件随机事件的关系与运算A⊂BA\subsetBA⊂B：事件AAA发生一定导致事件BBB发生。A∩BA\capBA∩B：积事件，当且仅当AAA和BBB同时发生，事件ABABA

_泥鳅·2022-09-30 13:47

《概率论与数理统计》手写笔记

文章目录（先整理这么多，后面的再批量处理）1.1.3事件之间的关系1.2事件的概率1.2.1概率的初等描述1.2.2古典概率(排列组合）1.2.3几何概型1.1.3事件之间的关系1.1.3事件之间的关系|1.2事件的概率概率的初等描述古典概型(排列组合)几何概型1.2.1概率的初等描述1.2.2古典概率(排列组合）1.2.3几何概型

fighting—·2022-09-30 13:15

概率论在实际生活的例子_概率论学习笔记

一、从古典概型开始引入概率论的基本概念古典概型，全称古典概率模型，也叫等可能模型，是人们最早研究的概率，也是学习概率论的起点。

weixin_39602891·2022-09-30 13:11

概率论与数理统计部分知识点笔记

文章目录1.条件概率1.1.条件概率的定义1.2.乘法公式1.3.总结2.全概率公式和贝叶斯公式2.1.全概率公式2.2.贝叶斯公式（重要）2.3.随机变量的独立性3.期望和方差、协方差矩阵3.1.数学期望3.2.方差3.3.协方差与相关系数3.4.矩、协方差矩阵3.4.1.矩3.4.2.协方差矩阵4.多元随机变量的正态分布4.1.多元高斯分布写成协方差矩阵的形式4.2.多元正态概率密度5.最大似

Cc1924·2022-09-30 13:26

概率论-基础篇笔记(更完)

文章目录第一章随机事件和概率事件的关系与运算概率及概率公式古典概型和伯努利实验第二章随机变量及其概率分布随机变量和其分布函数常用分布随机变量函数的分布第三章多维随机变量及其分布二维随机变量及其分布随机变量的独立性二维均匀分布和二维正态分布两个随机变量函数Z=g(X,Y)的分布第四章随机变量的数字特征随机变量的数学期望和方差常用随机变量的数学期望和方差协方差和相关系数第五章大数定律和中心极限定理切不

likeGhee·2022-09-30 13:24

概率论与数理统计（学习笔记）——平平无奇的知识点

概率论与数理统计第一章：随机事件及其计算自然现象：确定性现象随机现象：事先不能准确预知其结果的现象。

dlpmmk·2022-09-30 12:36

概率论与数理统计复习笔记总结

一、概率论复习笔记概率论复习笔记一——伯努利实验及相关的概率分布概率论复习笔记二——离散型分布和连续型分布概率论复习笔记三——随机向量，随机变量的独立性概率论复习笔记四——期望、方差、协方差与相关系数概率论复习笔记五

诡秘愚者·2022-09-30 12:29

《概率论与数理统计》学习笔记

重温《概率论与数理统计》进行查漏补缺，并对其中的概念公式等内容进行总结，以便日后回顾。

AilyOo·2022-09-30 12:18

丰丰小白·2022-09-29 14:28

推荐频道

ACM_概率论