范仁义

2020年11月9日

摘要：均值和期望一样吗一、总结一句话总结：概率是频率随样本趋于无穷的极限期望是平均数随样本趋于无穷的极限均值强调当前取少量样本的平均，而期望强调的是无穷性（也就是在无穷样本数取值的预估） 1、为什么说期望就是平均数随样本趋于无穷的极限？如果我们掷了无数次的骰子，然后将其中的点数进行相加，然后除阅读全文

posted @ 2020-11-09 13:59 范仁义阅读(3360) 评论(0) 推荐(0) 编辑

最大似然估计（MLE）的最大后验概率估计（MAP）区别详解

摘要：最大似然估计（MLE）的最大后验概率估计（MAP）区别详解一、总结一句话总结：最大似然估计（Maximum likelihood estimation, 简称MLE）和最大后验概率估计（Maximum a posteriori estimation, 简称MAP）是很常用的两种【参数估计方法】阅读全文

posted @ 2020-11-09 00:48 范仁义阅读(473) 评论(0) 推荐(0) 编辑

2020年11月8日

PHP中的CURL库

摘要： PHP中的CURL库一、总结一句话总结： curl是PHP的一个扩展，利用该扩展可以实现服务器之间的数据或文件传输，也就是说curl就是一个工具，【用来做服务器之间数据、文件传输的工具】【用来采集网络中的html网页文件、其他服务器提供接口数据等】二、PHP使用CURL详解转自或参考：PH 阅读全文

posted @ 2020-11-08 23:55 范仁义阅读(638) 评论(0) 推荐(0) 编辑

先验概率、最大似然估计、贝叶斯估计、最大后验概率

摘要：先验概率、最大似然估计、贝叶斯估计、最大后验概率一、总结一句话总结： 1、先验概率和后验概率？ P(A|B)=P(B|A)*P(A)/P(B) P(A)是A的先验概率或边缘概率，称作"先验"是因为它不考虑B因素。 P(A|B)是已知B发生后A的条件概率，也称作A的后验概率。 P(B|A)是已知A 阅读全文

posted @ 2020-11-08 23:41 范仁义阅读(987) 评论(0) 推荐(0) 编辑

贝叶斯法则和贝叶斯公式

摘要：贝叶斯法则和贝叶斯公式一、总结一句话总结：贝叶斯法则（定理）：$$p ( A | B ) = \frac { P ( B | A ) \times p ( A ) } { P ( B )}$$ 全概率公式：$$P ( B ) = \sum _ { i = 1 } ^ { n } P ( M _ 阅读全文

posted @ 2020-11-08 23:23 范仁义阅读(986) 评论(0) 推荐(0) 编辑

为什么样本方差（sample variance）的分母是 n-1

摘要：为什么样本方差（sample variance）的分母是 n-1 一、总结一句话总结：为1/n的分布倾向于低估σ^2，所以选1/(n-1) 【实际算出来就是n/(n-1)这样的关系】：$$E [ \frac { 1 } { n } \sum _ { i = 1 } ^ { n } ( X _ { 阅读全文

posted @ 2020-11-08 22:34 范仁义阅读(468) 评论(0) 推荐(0) 编辑

最大似然估计

摘要：最大似然估计一、总结一句话总结：极大似然估计：就是总体的某些参数未知，通过样本取样来估计这些参数，极大就是最大，似然就是可能性，合起来就是对参数的最大可能性估计极大似然估计中的似然就是估计参数，比如人口身高正态分布中的均值和标准差 1、参数估计（似然函数）概率图（实例）？二、最大似然阅读全文

posted @ 2020-11-08 21:38 范仁义阅读(441) 评论(0) 推荐(0) 编辑

为什么正态分布如此常见

摘要：为什么正态分布如此常见一、总结一句话总结：【Normal Distribution】：正态分布的英文名为：Normal Distribution，台湾翻译为常态分布，可见一斑。【数学定理或经验公式】：每个人都相信它（正态分布）：实验工作者认为它是一个数学定理，数学研究者认为他是一个经验公式。阅读全文

posted @ 2020-11-08 20:59 范仁义阅读(762) 评论(0) 推荐(0) 编辑

2020年11月7日

无偏估计量通俗易懂理解

摘要：无偏估计量通俗易懂理解一、总结一句话总结：概率论中的无偏估计中的偏就是机器学习中我们常常遇见的偏差bias，方差也是对应的二、无偏估计量通俗易懂理解（转）转自：https://www.matongxue.com/madocs/808 现实中常常有这样的问题，比如，想知道全体女性的身高均值，阅读全文

posted @ 2020-11-07 23:26 范仁义阅读(2401) 评论(0) 推荐(0) 编辑

联合概率、边缘概率、条件概率概念总结

摘要：联合概率、边缘概率、条件概率概念总结一、总结一句话总结：条件概率：设A,B是两个事件，且P(B)>0,则在事件B发生的条件下，事件A发生的条件概率（conditional probability)为：P(A|B)=P(AB)/P(B) 联合概率：联合概率指的是包含多个条件且所有条件同时成立的阅读全文

posted @ 2020-11-07 19:54 范仁义阅读(2277) 评论(0) 推荐(0) 编辑

在校每年国奖、专业第一，加拿大留学，先后工作于华东师范大学和香港教育大学。vx：fan404006308

公告