【第一章:人工智能基础】04.数学建模基本方法-(3)概率与统计基础

第一章 人工智能基础

第四部分:数学建模基本方法

第三节:概率与统计基础

内容:条件概率、贝叶斯定理、分布类型及其应用。

【漫话机器学习系列】188.概率相关概念详解(Notions Of Probility)_在b发生的情况下a发生的概率和在b发生的情况下a不发生的概率的和为多少-CSDN博客


一、基本概念

1. 概率(Probability)

概率是描述某事件发生的可能性,取值范围在 0, 1 之间。

  • 频率派定义:大量重复实验中某事件发生的频率趋于某值。

  • 公理化定义(柯尔莫哥洛夫)

    • 非负性:P(A) ≥ 0

    • 规范性:P(Ω) = 1

    • 可加性:若 A 和 B 互斥,则 P(A ∪ B) = P(A) + P(B)


二、条件概率与独立性

1. 条件概率

表示事件 A 在事件 B 发生的条件下发生的概率。

公式:

2. 事件独立性

两个事件 A 与 B 独立 当且仅当:


三、贝叶斯定理(Bayes Theorem)

贝叶斯定理用于已知结果推测原因,是机器学习中分类模型(如朴素贝叶斯)的核心。

1. 全概率公式(Total Probability Theorem)

若事件 构成样本空间 Ω 的划分,且事件 A 可由这些事件引起,则:

2. 贝叶斯定理公式:
应用示例:医疗检测
  • 某种疾病患病率为 1%,检测准确率为 99%

  • 检测为阳性的情况下,患者真的患病的概率是多少?

贝叶斯定理可帮助在假阳性/阴性影响下推断真实情况。


四、常见概率分布及应用

分布名称 类型 应用场景 参数
伯努利分布 离散 二分类(如是否成功) p:成功概率
二项分布 离散 n 次独立伯努利试验成功次数 n, p
几何分布 离散 首次成功试验次数 p
泊松分布 离散 单位时间事件发生次数(稀有事件) λ
均匀分布 连续 均匀分布区间取值 a, b
正态分布(高斯) 连续 噪声建模、人群身高、误差分析等 μ, σ²
指数分布 连续 事件间隔时间 λ

五、统计量与推断

  • 期望值(期望)

  • 方差

  • 协方差与相关系数:衡量变量之间的线性关系。


六、在人工智能中的应用

概念 应用示例
条件概率 语言模型、图模型
贝叶斯定理 朴素贝叶斯分类器、贝叶斯网络
概率分布 模拟数据、建模误差
正态分布 神经网络权重初始化、高斯噪声模拟
指数分布 强化学习中的事件间隔建模

七、小结表格

内容 要点
条件概率 用于后验推理
贝叶斯定理 P(原因)
概率分布 建模变量分布形式
正态分布 中心极限定理支持其广泛性
统计量 描述变量集中趋势与波动性
相关推荐
飞哥数智坊37 分钟前
新版定价不够用,Cursor如何退回旧版定价
人工智能·cursor
12点一刻1 小时前
搭建自动化工作流:探寻解放双手的有效方案(2)
运维·人工智能·自动化·deepseek
未来之窗软件服务1 小时前
东方仙盟AI数据中间件使用教程:开启数据交互与自动化应用新时代——仙盟创梦IDE
运维·人工智能·自动化·仙盟创梦ide·东方仙盟·阿雪技术观
JNU freshman2 小时前
计算机视觉速成 之 概述
人工智能·计算机视觉
说私域2 小时前
基于开源AI大模型AI智能名片S2B2C商城小程序源码的私域流量新生态构建
人工智能·开源
HollowKnightZ2 小时前
目标姿态估计综述:Deep Learning-Based Object Pose Estimation: A Comprehensive Survey
人工智能·深度学习
算家计算3 小时前
“28项评测23项SOTA——GLM-4.1V-9B-Thinking本地部署教程:10B级视觉语言模型的性能天花板!
人工智能·开源
Codebee3 小时前
OneCode注解驱动:智能送货单系统的AI原生实现
人工智能·低代码
2401_878624794 小时前
pytorch 自动微分
人工智能·pytorch·python·机器学习