《深度学习的数学——使用Python语言》7、连续型概率分布
<p>前面学习了离散型概率分布，今天开始学习连续型概率分布。</p><p>连续型概率变量分布相比离散型，会更加难离解，作者阐述了他为什么先讲离散型概率分布再讲连续型的概率分布的概念。</p>
<p>连续型概率，因为有无穷多个点，这意味着每个点被选中的概率趋于0，因此，只能讨论在给定区间上取值的概率。</p>
<p>最常见的连续型概率分布是区【0，1】上的均匀分布，我们可以讨论在给定区间如上取值的概率。</p>
<p>书中给出了几种常见的继续型概率分布的曲线：伽马分布，正态分布，贝塔分布，以及均匀分布。</p>
<p>要得到基一区间的概率，就需要在该区间上对分布曲线下方的区域进行累加，这本质上就是求积分，而积分，其实就是求和。</p>
<p>书得讲述了几种分布的形状以及概率密度函数。</p>
<p>【读后感】</p>
<p>感觉读这本书还是需要有很深地数据基础的，要不然看得云里雾里。</p>
页:
[1]