《深度学习的数学——使用Python语言》6 离散型概率分布
<div class='showpostmsg'><p>作者首先说了常见的离散型概率分面——均匀分布。比如抛硬币、掷骰子的实验就是这种。</p><p>除了均匀分布外,常见的离散型概率分布还有二项分布、伯努利分布、泊松分布等。</p>
<p>1、二项分布:</p>
<p>作者说:在离散型概率分布中,第二常见的当数二项分布。</p>
<p>【二项分布】是指,如果重复多次实验,每次都有某事件以相同概率发生,那么在所有实验中该事件有望发生的次数。</p>
<p>在数学上,如果某事件发生的概率为p,则可以把n次实验中该事件发生k次的概率表示为:</p>
<p> 作者介绍了如何使用NumPy来讲算二项分布采样,使用它的模块binomialb函数,可以先生成采样,然后使用bincount可以计数,再进行除,来验证了二项式分布的概率计算。</p>
<p>【伯努利分布】</p>
<p>伯努利分布是一种特殊的二项分布。对应二项分布中的n固定为1的情况,表示只进行一次试验。伯努利分布的样本取值为0或者,表示事件发生与否。</p>
<p>【泊松分布】</p>
<p>泊松分布是指事件发生的概率在一定的区间上。他应用于建模一定时间内的放射性衰变或者X射线检测到的光数子上的应用。在NumPy中使用posisson来对泊松分布进行采样。</p>
<p>【小结】</p>
<p>今天学习了离散型分布的三种类型:二项、伯努利、泊松分布。基本理解了大概的意思,以及如何用NumPy进行摸拟采样。但是还是有点晕呼。</p>
<p> </p>
<p> </p>
</div><script> var loginstr = '<div class="locked">查看本帖全部内容,请<a href="javascript:;" style="color:#e60000" class="loginf">登录</a>或者<a href="https://bbs.eeworld.com.cn/member.php?mod=register_eeworld.php&action=wechat" style="color:#e60000" target="_blank">注册</a></div>';
if(parseInt(discuz_uid)==0){
(function($){
var postHeight = getTextHeight(400);
$(".showpostmsg").html($(".showpostmsg").html());
$(".showpostmsg").after(loginstr);
$(".showpostmsg").css({height:postHeight,overflow:"hidden"});
})(jQuery);
} </script><script type="text/javascript">(function(d,c){var a=d.createElement("script"),m=d.getElementsByTagName("script"),eewurl="//counter.eeworld.com.cn/pv/count/";a.src=eewurl+c;m.parentNode.insertBefore(a,m)})(document,523)</script>
页:
[1]