Computer Vision Models, Learning, and Inference学习笔记(第二章)

版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/piaoliangjinjin/article/details/81671175

概率介绍

2.1随机变量

        随机变量x表示不确定值。这个值可以描述例如掷硬币这种实验的结果,或者描述现实世界具有波动性的值的测量结果(例如测量温度),我们观察几个这样的事例,每次都会有不同的结果。然而,某些值出现的更加的频繁。这些信息组成了随机变量的概率分布Pr(x)。

       随机变量可以是离散的也可以是连续的。离散的变量需要从预定义的集合中取值,这个集合可以是有序的(例如掷骰子),也可以是无序的(例如观察天气时,出现“晴天”、“下雨”、“下雪”等结果),可以是有限的(比如标准扑克牌有52张牌),也可以是无限的(例如:火车在下一站上车的人数,理论上是无限的)。离散变量的概率分布可以表示成直方图(图2.1),每一个结果都有一个对应的正概率值,所有的概率值得和总是为1.

       连续随机变量取值为实数。这些数可能是有限的(比如两个小时考试,所用的时间是大于0小时并且小于2小时的),可能是无限的(下一辆公交车到达的时间是不确定的)。无限连续变量可以被定义在整个实数坐标轴,也可以定义在坐标轴的上方或者下方(例如:一辆车的速率是大于零的,但是速度是可以小于零的)。可以使用概率密度分布图表示连续函数的概率分布。每一个结果的值代表随机变量倾向取该值的程度,可以取任何的整数值,所有概率分布的积分为1

     

猜你喜欢

转载自blog.csdn.net/piaoliangjinjin/article/details/81671175