期望方差
期望
E(x)=∑xip(xi)
E(x)=∫−∞∞xf(x)dx
方差
D(x)=E((x−E(x))2)=E(x2)−E(x)2
协方差
cov(x1,x2)=E((x1−E(x1))∗(x2−E(x2)))
cov(x1,x2)=E(x1x2)−E(x1)E(x2)
常用概率分布
高斯分布
N(μ,σ2)=2π
σ1exp{−2σ2(x−μ)2}
E(x)=μ
D(x)=σ2
其中正态分布:
N(0,1)
均匀分布
U(a,b)={b−a1a≤x≤b0x<a,x>b
E(x)=2a+b
D(x)=12(b−a)2
二项分布
{P(x=1)=pP(x=0)=1−p
E(x)=p
D(x)=p(1−p)
伯努利分布
B(n,p)=px(1−p)n−x
E(x)=np
D(x)=np(1−p)
伯努利分布是n重二项分布
条件概率
P(x∣y)=P(y)P(x,y)=P(y)P(y∣x)P(x)
贝叶斯公式
P(Bi∣A)=∑i=1NP(Bi)∗P(A∣Bi)P(Bi)P(A∣Bi)
一个简单的例子,一个月有30天,其中多云的天气有15天,下雨有6天。其中在多云天下雨的有3天,求下雨天多云的概率?
⎩⎪⎨⎪⎧P(云)=0.5P(雨)=0.2P(雨∣云)=0.2
P(云∣雨)=P(雨)P(雨∣云)P(云)=0.5
最大似然估计
L(θ)=∏p(xi;θ)
求出上面似然函数的最大值既是最大似然估计。
一个简单的例子,有一个口袋里面装了大量的白球和黑球,我们从中取出10个,分别有6个白球和4个黑球,此时我们要求摸到白球的概率。
{P(白)=θP(黑)=1−θ
L(θ)=θ6(1−θ)4
dθdL(θ)=6θ5(1−θ)4−4θ6(1−θ)3=0
⇒θ=0.6