机器学习数学基础之概率论

机器学习数学基础之概率论：
- 概率论BigPicture
- 1.0 概率介绍、试验、事件、公理化的概率
- 1.1 样本空间、柯氏公理、概率的性质
- 1.2 古典概率、乘法原理、排列
- 1.3 组合、二项式定理、多项式定理
- 1.4 有限事件并的概率、概率欺骗了你
- 2.1 条件概率、全概率公式
- 2.2 事件独立、条件独立
- 2.3 Bayes’ Theorem
- 3.1 随机变量和离散分布
- 3.2 连续分布
- 3.3 Cumulative Distribution Function
- 3.4 双变量分布
- 3.5 边缘分布不和独立随机变量
- 3.6 条件分布 (Part I)
- 3.6 条件分布 (Part II)
- 3.7 多变量分布（Part I）
- 3.7 多变量分布（Part II）
- 3.8 随机变量的函数
- 3.9 多随机变量的函数
- 4.1 随机变量的期望 (Part I)
- 4.1 随机变量的期望 (Part II)
- 4.2 期望的性质
- 4.3 方差
- 4.4 距
- 4.5 均值和中值
- 4.6 协方差和相关性
- 4.7 条件期望
- 5.1 分布介绍
- 5.2 伯努利和二项分布
- 5.3 超几何分布
- 5.4 泊松分布
- 5.5 负二项分布
- 5.6 正态分布(Part I)
- 5.6 正态分布(Part II)
- 5.6 正态分布(Part III)
- 5.7 Gamma分布(Part I)
- 5.7 Gamma分布(Part II)
- 5.8 Beta分布
- 5.9 多项式分布
- 5.10 二维正态分布
- 6.1 大样本介绍
- 6.2 大数定理
- 6.3 中心极限定理
- 6.4 连续性修正