概率论笔记(二)概率分布

简介: 概率论笔记(二)概率分布

一:随机变量的理解

101.png

注:其实随机变量就是一个实数,它是把随机事件映射成了一个实数,方便表示!!!


二:分布函数

102.png

注: 随机变量是一个数,此时事件利用数来表示了,这样在其基础上,我们就可以利用将其事件的概率(数的大小)转换成一个函数,主要是关于小x的函数。而分布函数就是一个事件累计的过程,也就是概率累计的过程。这里的事件累计可以看成是多个随机事件的组成。

103.png


三:离散型分布

1.离散事件

104.png

2.分布函数

105.png


3.例子

106.png


四:连续型分布

1.连续事件

悖论:

107.png


为了解决上面的悖论,这时候引入了积分,这也是概率论和微积分联系起来的开始。

2.分布函数


108.png


109.png

注:需要注意的是连续型分布其引入了概率密度来计算分布函数,因为其在一个点的概率都是为0的,从而它指的是一段时间内的累计。另外,几种常见的分布后面会补----详细的介绍。。


目录
相关文章
|
机器学习/深度学习 存储 算法
机器学习面试笔试知识点之非监督学习-K 均值聚类、高斯混合模型(GMM)、自组织映射神经网络(SOM)
机器学习面试笔试知识点之非监督学习-K 均值聚类、高斯混合模型(GMM)、自组织映射神经网络(SOM)
154 0
|
机器学习/深度学习 人工智能 算法
数学基础之概率论
数学基础之概率论
92 1
|
存储 大数据 数据挖掘
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。并且概率论与数理统计不仅是一门十分重要的大学数学基础课, 还是唯一一门研究随机现象规律的学科,它指导人们从事物表
184 0
|
人工智能 资源调度 Python
概率论基础
因为概率图模型会涉及大量概率论的知识,所以在开始概率图模型之前,首先让我们回顾一下概率论的一些概念和基础知识。
178 0
概率论基础
|
容器
数学|泊松分酒问题蕴藏的数学知识
数学|泊松分酒问题蕴藏的数学知识
237 0
概率论|贝叶斯公式及其推论的理解和运用
概率论|贝叶斯公式及其推论的理解和运用
210 0
概率论笔记(一)重要公式
概率论笔记(一)重要公式
226 0
|
机器学习/深度学习 人工智能 移动开发
【机器学习】线性分类——高斯判别分析GDA(理论+图解+公式推导)
【机器学习】线性分类——高斯判别分析GDA(理论+图解+公式推导)
487 0
【机器学习】线性分类——高斯判别分析GDA(理论+图解+公式推导)
|
机器学习/深度学习 人工智能 移动开发
【机器学习】线性分类——朴素贝叶斯分类器NBC(理论+图解+公式推导)
【机器学习】线性分类——朴素贝叶斯分类器NBC(理论+图解+公式推导)
199 0
【机器学习】线性分类——朴素贝叶斯分类器NBC(理论+图解+公式推导)