【深度学习入门_基础篇】概率论

开坑本部分主要为基础知识复习,新开坑中,学习记录自用。

学习目标: 随机事件与概率、随机变量及其分布、多维随机变量及其分布、大数定律与中心极限定理。

强烈推荐此视频:

概率论_麻省理工公开课

废话不多说,直接看视频回顾即可。

记录几个关键概念

## 随机事件与概率

(1)常用分布的概率母函数表

(2)常用分布的特征函数表

(3)大数定律和中心极限定理的条件表

一、随机事件与概率

(1)排列公式

(2)组合公式

(3)条件概率

(4)全概率

(5)贝叶斯公式

二、随机变量及分布

(1)离散随机变量期望

(2)连续随机变量期望

(3)期望性质

(4)方差与标准差的定义

(5)方差的性质

(6)切比雪夫不等式

(7)二项分布

(8)泊松分布

(9)均匀分布

(10)指数分布

(11)正态分布



三、随机变量及分布

(1)多维随机变量的定义

(2)联合分布函数

(3)联合分布列(对于离散随机变量)

(4)联合密度函数(对于连续随机变量)

四、大数定律与中心极限定理

(1)概率母函数

(2)大数定律一般形式

(3)伯努利大数定律

(4)切比雪夫大数定律

(5)马尔可夫大数定律

(6)中心极限定理

(6.1)林德伯格-莱维中心极限定理(独立同分布的中心极限定理)

(6.2)棣莫佛-拉普拉斯中心极限定理(二项分布的正态近似)

(6.3)林德伯格中心极限定理(独立不同分布下的中心极限定理)

(6.4)李雅普诺夫中心极限定理(林德伯格中心极限定理的推论)

上述概率论知识点: https://studyincau.github.io/2024/05/04/gai-lu-lun-5-1-gai-lu-lun-qi-mo-fu-xi-zhi-shi-dian/index.html

相关推荐
cyyt11 小时前
深度学习周报(6.1~6.7)
人工智能·深度学习
DogDaoDao11 小时前
【GitHub】 Open Design 深度技术解析:把 Claude Design 搬回本地的 Agent 设计工作台
深度学习·程序员·github·ai编程·claude·ai agent·open design
通信大模型11 小时前
IEEE JSAC | 4万字综述 | 从Large AI Models到Agentic AI:面向未来智能通信的教程
人工智能·深度学习·神经网络·信息与通信
qingyulee12 小时前
深度学习——神经网络基础
人工智能·深度学习·神经网络
DogDaoDao12 小时前
【第 04 篇】列表与元组 —— 序列类型核心详解
人工智能·python·深度学习·神经网络·机器学习·conda·numpy
米核AI易山12 小时前
扣子工作流错误处理:用条件分支打造不崩的自动化流水线
人工智能·深度学习·自动化·coze·扣子工作流·米核ai易山
一切皆是因缘际会13 小时前
从生成智能到自主智能:人工智能的技术重构与价值迭代
人工智能·深度学习·ai·重构
WPF工业上位机21 小时前
YXGK.FakeVM深度学习之5语义分割
人工智能·深度学习
weixin_4684668521 小时前
大模型新手入门与实战指南
人工智能·深度学习·ai·大模型
装不满的克莱因瓶21 小时前
掌握 RNN 与 LSTM 模型结构
人工智能·python·rnn·深度学习·神经网络·ai·lstm