随笔分类 - 概率论
摘要:1.概念 cdf-累计分布函数 pdf-概率密度函数 Gamma函数 2.常见分布-离散型 0-1分布/伯努利分布 随机变量X只可能有0,1两个值,S={0,1},它的分布律是 \(或者\
阅读全文
摘要:高斯过程描述 \(2.每个时间点上都有一个对应的表现值随机变量(\xi_{t_1},\xi_{t_2}...),这些都是随机变量,也就是是一个概率分布,所以每个点上都
阅读全文
摘要:为了使得后验分布计算简单,为此引入共轭先验分布 #1.共轭分布族 \(设总体X的分布密度为p(x|\theta),F^*为\theta的一个分布族,\pi(\theta)为\theta的任意一个先验分布,\pi(\theta)\in F^*,若对样本的任意观测值x,\theta的后验分布h(\the
阅读全文
摘要:https://www.bilibili.com/video/BV17D4y1o7J2 wiki https://en.wikipedia.org/wiki/Metropolis%E2%80%93Hastings_algorithm 知乎-介绍了为什么pdf(loc=x_start)的好处 http
阅读全文
摘要:材料 https://www.bilibili.com/video/BV17D4y1o7J2 1.随机抽样问题 \(可以通过公式E(g(X))=\int_{-\infty}{+\infty}f(x)g(x)dx,令g(X)=X^2即
阅读全文
摘要:正态分布 也叫高斯分布(Gaussian Distribution) \(p(x)=\frac{1}{\sqrt{2\pi}\sigma}e^{-\frac{(x-\mu)^2}{2\sigma^2
阅读全文
摘要:伯努利分布(Bernoulli Distribution) 在一次试验中,事件出现的概率为,不出现的概率为1 − 。若用变量X 表示事件A出现的次数,则 的取值为和,其相应的分布为 二项分布(Bi
阅读全文