机器学习数学笔记|大数定理中心极限定理矩估计
觉得有用的话,欢迎一起讨论相互学习~
本博客为七月在线邹博老师机器学习数学课程学习笔记
为七月在线打call!!
课程传送门
概率密度/概率分布函数
- 概率密度只是针对连续性变量而言，而分布函数是对所有随机变量取值的概率的讨论，包括连续性和离散型.
- 已知连续型随机变量的密度函数，可以通过讨论及定积分的计算求出其分布函数；当已知连续型随机变量的分布函数时，对其求导就可得到密度函数。
- 概率密度曲线y轴意义在于给定相同长度下,样本落在此段几率大小.其函数图像与x轴包围的面积表示取该值的概率,即概率密度函数从((-infty,x)的积分)
- 概率分布函数(引自百度百科)
- 在实际问题中，常常要研究一个随机变量ξ取值小于某一数值x的概率，这概率是x的函数，称这种函数为随机变量ξ的分布函数，简称分布函数，记作F(x)，即F(x)=P(ξ<x) (-∞<x<+∞)
- 由它并可以决定随机变量落入任何范围内的概率。 例如在桥梁和水坝的设计中，每年河流的最高水位ξ小于x米的概率是x的函数，这个函数就是最高水位ξ的分布函数.
- 常见的离散型随机变量分布模型有“0-1分布”、二项式分布、泊松分布等；连续型随机变量分布模型有均匀分布、正态分布等。
- 概率分布函数图像y轴的意义是(X<X_{i})时发生的概率.
切比雪夫不等式
大数定理
伯努利定理
中心极限定理
样本的统计量
- 矩估计的原理即是假设样本的K阶矩等于总体的K阶矩,可以估计出总体的参数
矩估计
