《深度学习的数学——使用Python语言》6 离散型概率分布

lugl4313820

《深度学习的数学——使用Python语言》6 离散型概率分布 [复制链接]

 

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。

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。

1、二项分布：

作者说：在离散型概率分布中，第二常见的当数二项分布。

【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。

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：

 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。

【伯努利分布】

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。

【泊松分布】

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。

【小结】

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。