• 人工智能数学参考---5、似然函数


    人工智能数学参考---5、似然函数

    一、总结

    一句话总结:

    1、给定联合样本值x关于参数0的函数:L(0|x)=f(x|0),其中x是随机变量X取得的值,0是未知的参数。
    2、f(x|0)是密度函数,表示给定0下的联合密度函数。
    3、似然函数是关于0的函数而密度函数是关于x的函数。

    1、离散型概率分布中的离散型指的什么?

    离散型指比如楼梯(相对于山坡),比如球队所属的国家,比如房厂中介一天卖出多少房子等等等等
    对于离散型随机变量,我们可以弄个概率分布表来表示每个数的概率

    2、概率密度是描述连续型随机变量的?

    对于连续型随机变量X,我们不能给出其取每一个值的概率也就是画不出那个分布表,这里我们选择使用密度来表示其概率分布!
    可以用子区间来统计连续型概率,也可以有对应的频率分布直方图

    3、概率密度函数?

    A、密度:一个物体,我们如果问其中一个点的质量是多少?这该怎么求呢?由于这个点实在太小了,那么质量就为0了。但是其中的一大块是由很多个点组成的,这时我们就可以根据密度来求其质量了!
    B、X为连续随机变量,X在任意区间(a,b)上的概率可以表示为:
    C、P(a<X<=b) =∫(a,b) f(x)dx,求积分相当于求那个柱柱的面积,其中f(x)就叫做X的概率密度函数,也可以简单叫做密度
    D、求连续型随机变量的概率的话直接对概率密度函数求积分即可

    4、似然函数和概率的区别?

    概率表达了在给定0时X=x的可能性,而似然表示的是在给定样本X=x时,参数的可能性
    比如如果求某个人投中的概率就是求概率,比如我们让两个人投球,估计谁投中,就是似然

    5、将乘法化成加法技巧?

    取对数A*B可以化作lnA+lnB,这个过程最好取对数不影响原结果

    6、求极值的技巧?

    取导数或者取偏导

    7、概率论是干什么的呢?

    研究随机现象数量规矩的数学分支。

    8、条件概率P(B|A)表示什么?

    a、表示在A事情已经发生的概率下,B事情发生的几率
    b、P(B|A)还可以理解为把A看作新的样本空间,求AB发生的概率
    c、P(B|A)=(n(AB)/n(Ω))/(n(A)/n(Ω))=p(AB)/p(A),n(Ω)为总情况数

    9、P(B|A)和P(AB)的关系?

    相同点:事件A,B都发生了
    不同点:样本空间不同:在P(B|A)中,事件A成为样本空间;在P(AB)中,样本空间仍为Ω。

    10、甲乙两地都位于长江下游,根据一百多年的气象记录,知道甲乙两地一年中雨天所占的比例分别为20%和18%,两地同时下雨的比例为12%,问:乙地为雨天时甲地也为雨天的概率是多少?

    设A={甲为雨天},B={乙为雨天)则P(A)=20%,P(B)=18%,P(AB)=12%
    P(A|B)=P(AB)/P(B)=12%/18%=2/3

    二、内容在总结中

    博客对应课程的视频位置:

     
    我的旨在学过的东西不再忘记(主要使用艾宾浩斯遗忘曲线算法及其它智能学习复习算法)的偏公益性质的完全免费的编程视频学习网站: fanrenyi.com;有各种前端、后端、算法、大数据、人工智能等课程。
    博主25岁,前端后端算法大数据人工智能都有兴趣。
    大家有啥都可以加博主联系方式(qq404006308,微信fan404006308)互相交流。工作、生活、心境,可以互相启迪。
    聊技术,交朋友,修心境,qq404006308,微信fan404006308
    26岁,真心找女朋友,非诚勿扰,微信fan404006308,qq404006308
    人工智能群:939687837

    作者相关推荐

  • 相关阅读:
    Windows Server 2012配置开机启动项
    Windows Server 2019 SSH Server
    NOIP2017 senior A 模拟赛 7.7 T1 棋盘
    Noip 2015 senior 复赛 Day2 子串
    Noip 2015 senior复赛 题解
    Noip 2014 senior Day2 解方程(equation)
    Noip 2014 senior Day2 寻找道路(road)
    Noip 2014 senior Day2 无线网络发射器选址(wireless)
    Noip2014senior复赛 飞扬的小鸟
    Noip 2014 senior 复赛 联合权值(link)
  • 原文地址:https://www.cnblogs.com/Renyi-Fan/p/13200536.html
Copyright © 2020-2023  润新知