编程语言
首页 > 编程语言> > 《程序员的数学》第二册 (概率统计)

《程序员的数学》第二册 (概率统计)

作者:互联网

《程序员的数学》第二册 (概率统计)

《程序员的数学》第二册 (概率统计)

概率的定义

概率的数学定义

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

三扇门(蒙提霍尔问题)一一飞艇视角

在这里插入图片描述
在这里插入图片描述

蒙提霍尔问题

在这里插入图片描述
在这里插入图片描述

正确答案与常见错误

在这里插入图片描述
在这里插入图片描述

以飞艇视角表述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

三元组( 0 ,F, P )一一上帝视角

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

随机变量

1.3节已 经构建了舞台 。 接下来,我们讨论一下如何在这一舞台上表现随机量,并整理 之前出现过却还没有详细讲解的内容 。
这种随机量称为随机变量 。 通俗来讲,它是一种会随机改变的不确定量 。 不过,如图1.6
所示,我们现在处于上帝视角 。 该视角下,我们可以俯瞰由"所有平行世界"组成的集合。 。其中每个世界 ω 中的事件都己确定,只是根据剧本表演而已 。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

概率分布

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

适于实际使用的简记方式

通过方程式表述概率对格式的要求较高,如果读者不习惯这种写法,在书写时或许会 有些困难 。 因此,我们经常会使用一些便于书写的简记 。 本节将介绍一些常用的简记方式 。 熟悉之后,阅读简记也并非难事,不过对初学者来说,这些简记可能会引起混乱 。 因此,如果读者在阅读时感到有些困惑,即使老师也使用简记表述概率,也请先改用原本的表示方 法以避免误解 。

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

多个随机变量之间的关系

对于现代的概率统计来说,分析多个随机变量之间的相互关系是一个关键 。 “包含‘免费’ 这一单词的 邮件很可能是广告”"在星期五购买一次性纸尿布的顾客很可能也会买啤酒"这类 观点是否很耳熟?为了讨论这类问题,我们必须分析多个随机变量之间的相互关系 。

幸运的是,我 们已经有了上帝视角这一强有力的工具 。请读者充分利用上帝视角,自信地处理 "随机变量之间的相互关系 "。 我们的目标是首先要理解联合概率、边缘概率与条件概率这 三个概念 。它们是讨论随机变量之间关系的基本道具 。 最近活跃于各领域的贝叶斯 公式也是这组概念的-种应用 。 此外 ,独立性的定义也基于这组概念 。在日常的概率问题中 ,我们在使用独立性时无需特地声明,不过由于本书的要求更高 ,因此必须明确定义独立性的含义 。在分析随机变量之间的关系时,某一变量是否独立往往是解决问题的关键 。
不过,为避免引人一些无关的复杂情况,本章将不涉及连续的随机变量(第4章将对此作具体说明)。

面积计算的预热

如果直接分析随机变量的相互关系,我们很可能找不到头绪 。 因此,我们将采用与上 一章同样的策略,将概率问题转换为面积问题。 经过这种转换后 , 我们需要做的就仅仅是 单纯的数学计算。 让我们暂时放下概率问题, 先考虑这些容易理解的数学计算吧。 本节讲 解的只是一些简单的算术题,读者只需快速通读即可。 从2.2节起,我们将从概率问题的角 度重新解释这些问题 。

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

联合概率与边缘概率

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

条件概率

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

贝叶斯公式

本节将应用条件概率来解决逆问题 。 简单来讲,逆问题是指那些需要从结果反推原因 的问题1。 通常,原因 X无法被直接观察、测量,此时,我们常会通过其结果 Y来反推原因 X。
很多工程问题都可以通过这种方式解释 2。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

独立性

本章将继续讨论多个随机变量之间的关系 。 2,3节的条件概率可以理解为在得知 X 后, 对 Y 的出现概率的预测 。 2.4节介绍的贝叶斯公式是相应的逆运算,它将根据 X → Y 的情况 (与 X 的先验概率分布),由 Y逆推 X 的值。
现在,我们 重新开始讨论更为根本的 问题 。 如果问题中存在多个随机变量,我们首先 会怀疑这些随机变量之间是否真的存在关联。 这一独立性的概念是很多应用问题中的关键。

·如果 X 与 Y无关,由 X椎 Y就没有意义。 此时 , Y与独立的 X 没有特别的含义。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

离散值的概率分布

我们首先来讨论概率论的基本问题,此时随机变量的可取值种类可数(即附录 A.3.2介 绍的至多可数的情况)。 本章将重点讲解期望值 、 方差与大数定律 。 在正式介绍这些内容前, 我们需要先大致了解二项分布这种基本分布 。
简单来讲,对于取值不定的随机值,将其可能的平均取值称为期望值,值的分散情况 称为方差 。 大数定律表明"大量随机值的平均值趋于期望值",是处理随机数据的基本定理 。 二项分布则常见于 "20例中15例得到了改善"之类的问题。

一些简单的例子

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

二项分布

特殊的概率分布通常会以专门的名称表示。其中,二项分布是一种基本的类型 。 本书 第 6章将反复用到这种分布 。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

期望值

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述在这里插入图片描述
在这里插入图片描述

方差与标准差

3.3节引入了期望值的概念,它是用于描述分布性质的最重要的指标 。 现在,我们继续引人第二类指标一一 方差与标准差 。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
可以看到,随机变量的数量越多,它们的平均值就越趋于稳定,在分析处理随机变量时, 这是一条非常重要的性质 。 读者在日常生活中或许也会意识到这种性质 。 本节将通过概率 的方式来验证这一性质 。

大数定律

人们在研究与实践中发现,尽管每个随机变 量 取值随机,大量随机变 量 的平均值却相 对恒定 。 现在让我们通过计算机来模拟这种现象 。 下面是一个通过 Ruby语言实现的例子1 。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

补充内容:条件期望与最小二乘法

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

连续值的概率分布

协方差矩阵、多元正态分布与椭圆

估计与检验

伪随机数

概率论的各类应用

Avery123123 发布了68 篇原创文章 · 获赞 9 · 访问量 7268 私信 关注

标签:视角,概率,概率分布,问题,程序员,简记,第二册,随机变量
来源: https://blog.csdn.net/Avery123123/article/details/104288288