机器学习和深度学习中的概率分布(机器学习之概率论和数理统计总结下)

机器学习和深度学习中的概率分布(机器学习之概率论和数理统计总结下)(1)

三、多维随机变量及其分布

1.二维随机变量及其联合分布

机器学习和深度学习中的概率分布(机器学习之概率论和数理统计总结下)(2)

2.二维离散型随机变量的分布

机器学习和深度学习中的概率分布(机器学习之概率论和数理统计总结下)(3)

3. 二维连续性随机变量的密度

机器学习和深度学习中的概率分布(机器学习之概率论和数理统计总结下)(4)

4.常见二维随机变量的联合分布

机器学习和深度学习中的概率分布(机器学习之概率论和数理统计总结下)(5)

5.随机变量的独立性和相关性

机器学习和深度学习中的概率分布(机器学习之概率论和数理统计总结下)(6)

6.两个随机变量简单函数的概率分布

机器学习和深度学习中的概率分布(机器学习之概率论和数理统计总结下)(7)

7.重要公式与结论

机器学习和深度学习中的概率分布(机器学习之概率论和数理统计总结下)(8)

四、随机变量的数字特征

1.数学期望

机器学习和深度学习中的概率分布(机器学习之概率论和数理统计总结下)(9)

2.方差

机器学习和深度学习中的概率分布(机器学习之概率论和数理统计总结下)(10)

3.标准差

机器学习和深度学习中的概率分布(机器学习之概率论和数理统计总结下)(11)

4.离散型

机器学习和深度学习中的概率分布(机器学习之概率论和数理统计总结下)(12)

5.连续

机器学习和深度学习中的概率分布(机器学习之概率论和数理统计总结下)(13)

6.随机变量函数的数学期望

机器学习和深度学习中的概率分布(机器学习之概率论和数理统计总结下)(14)

7.协方差

机器学习和深度学习中的概率分布(机器学习之概率论和数理统计总结下)(15)

8.相关系数

机器学习和深度学习中的概率分布(机器学习之概率论和数理统计总结下)(16)

9.重要公式与结论

机器学习和深度学习中的概率分布(机器学习之概率论和数理统计总结下)(17)

五、数理统计的基本概念

1.基本概念

机器学习和深度学习中的概率分布(机器学习之概率论和数理统计总结下)(18)

2.分布

机器学习和深度学习中的概率分布(机器学习之概率论和数理统计总结下)(19)

3.正态总体的常用样本分布

机器学习和深度学习中的概率分布(机器学习之概率论和数理统计总结下)(20)

4.重要公式与结论

机器学习和深度学习中的概率分布(机器学习之概率论和数理统计总结下)(21)

,

免责声明:本文仅代表文章作者的个人观点,与本站无关。其原创性、真实性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容文字的真实性、完整性和原创性本站不作任何保证或承诺,请读者仅作参考,并自行核实相关内容。文章投诉邮箱:anhduc.ph@yahoo.com

    分享
    投诉
    首页