【概率论】3-4:二维分布(Bivariate Distribution)
title: 【概率论】3-4:二维分布(Bivariate Distribution)
categories:
- Mathematic
- Probability
keywords: - Discrete Joint Distribution
- 离散联合分布
- Continuous Joint Distribution
- 连续联合分布
- Mixed Bivariate Distribution
- 混合分布
- Bivariate Cumulative Distribution Functions
- 二维累计分布
toc: true
date: 2018-02-07 09:35:57
Abstract: 本文主要介绍双变量的分布情况,以及其中的一些有用的性质
Keywords: Discrete Joint Distribution,Continuous Joint Distribution,Mixed Bivariate Distribution,Bivariate Cumulative Distribution Functions
开篇废话
今天的废话还是想劝诫自己也劝诫那些看过我的博客和希望学有所成的人,学习也好,开发也好,投资也好,最忌急功近利,想一年翻十倍,有可能,但是概率小到报表,到后面学到具体的一些分布的时候,就知道这个方差有多大,人生需要经历,经历了就明白了,感谢周围所有的人,帮助过我们的,让我们受到人们,他们做的所有都在促进我们成长,一步一个脚印,慢就是稳,稳就是快。
本文我们介绍两个变量的分布,数学的两大分支,理论数学和应用数学,这两者没有明确的界限,不管什么理论,只有应用了以后才能推动社会进步,同时存进新的理论形成,所以,两者没有什么主次,都是重要的,概率论的应用性极强,我们不断学习,知识逐渐变得复杂,这个目的不是为了复杂而复杂,而是为了接近真相,我们生活中很少简单单变量的事件,出了扔硬币,甚至中国国粹打麻将扔骰子都是一次扔两个,那么就有了两个随机变量组合的问题,当然你也可以发明一个一边扔骰子一边扔硬币的游戏。
我们不断地复杂模型,就是为了去更好的描述实际情况,而简单的模型所能模拟的情况,多半是我们自己为了附会模型而创造的。
Joint Distribution
对于双变量,我们有下面这些组合:
Bivariate={DiscreteDiscrete,DiscreteContinuousContinuous,ContinuousHybridDiscrete,Continuous \text{Bivariate}= \begin{cases} Discrete & \text{Discrete,Discrete}\\ Continuous & \text{Continuous,Continuous}\\ Hybrid & \text{Discrete,Continuous} \end{cases} Bivariate=⎩⎪⎨⎪⎧DiscreteContinuousHybridDiscrete,DiscreteContinuous,ContinuousDiscrete,Continuous
学习概率从一开始我们就是按照先离散后连续的方式逐步进行,像上台阶一样,那么我们二维随机变量也从离散开始。
Definition Joint/Bivariate Distribution:Let XXX and YYY be random varibales.The joint distribution or bivariate distribution of XXX and YYY is the collection of all probabilities of the form Pr[(X,Y)∈C]Pr[(X,Y)\in C]Pr[(X,Y)∈C] for all sets CCC of pairs of real numbers such that (X,Y)∈C{(X,Y)\in C}(X,Y)∈C is an event
再次回忆随机变量(函数),和样本空间(集合)之间的关系,随机变量是一个函数,把样本空间上的样本点映射到实数,那么如果有两个样本空间,那么这两个集合的笛卡尔积将会组成一个新的样本空间,这个新的样本空间产生的随机变量以及随机变量的分布就是联合分布
以上为节选内容,完整原文地址:https://www.face2ai.com/Math-Probability-3-4-Bivariate-Distribution转载请标明出处
原文地址2:https://www.tony4ai.com/Math-Probability-3-4-Bivariate-Distribution转载请标明出处
转载于:https://www.cnblogs.com/face2ai/p/9756549.html
【概率论】3-4:二维分布(Bivariate Distribution)相关推荐
- 【概率论】3-5:边缘分布(Marginal Distribution)
原文地址1:https://www.face2ai.com/Math-Probability-3-5-Marginal-Distributions转载请标明出处 Abstract: 本文承接上文,对于 ...
- 【概率论】Laplace 分布 / Laplace Distribution
PDF 满足以下表达式的概率分布称为 Laplace 分布, Laplace(x;μ,γ)=12γexp(−|x−μ|γ)Laplace(x;μ,γ)=12γexp(−|x−μ|γ) Laplace ...
- 人工智能基础-概率分布与函数的基础定义
https://www.toutiao.com/a6706233994691740172/ 概率分布用于许多领域,但我们很少看到相应的解释.通常作者会假定读者已经了解概率分布了.本文将尝试解释什么是概 ...
- Seaborn:Python
Seaborn is a data visualization library built on top of matplotlib and closely integrated with panda ...
- 使用Python Seaborn和Pandas进行数据可视化
Hey, folks! Today we will be unveiling a very interesting module of Python - Seaborn Module and will ...
- 无人驾驶之高级车道线检测-AdvanceLane_finding_release
本篇博客整个项目源码:github 引言 前面我们介绍车道线检测的处理方法:车道线检测之lanelines-detection 在文章末尾,我们分析了该算法的鲁棒性,当时我们提出了一些解决方法,比如说 ...
- 【概率论】5-10:二维正态分布(The Bivariate Normal Distributions)
title: [概率论]5-10:二维正态分布(The Bivariate Normal Distributions) categories: - Mathematic - Probability k ...
- 概率论中伯努利分布(bernoulli distribution)介绍及C++11中std::bernoulli_distribution的使用
Bernoulli分布(Bernoulli distribution):是单个二值随机变量的分布.它由单个参数ø∈[0,1],ø给出了随机变量等于1的概率.它具有如下的一些性质: P(x=1)= ø ...
- 【概率论】指数分布 Exponential Distribution
要先理解 泊松分布, 再过来看指数分布. 泊松分布是单位时间内独立事件发生次数的概率分布,指数分布是独立事件的时间间隔的概率分布.二者共享同一个参数 λλ\lambda, 因为指数分布描述的是两个独立 ...
最新文章
- Python数据清理之解析XLRD文件
- leetcode算法题--最大正方形
- 什么心态阻碍了你职业的发展
- hdu 5092 线裁剪(纵向连线最小和+输出路径)
- mysql mongodb 集群_MySQL与MongoDB
- 微信小程序 功能函数 把数字1,2,3,4换成春,夏,秋,冬
- 软件分析与设计:分析什么?如何设计?
- 查看Oracle实例的EM端口
- 怎么学计算机制作ppt教程,ppt 制作教程步骤(新手电脑制作 ppt 详细步骤)
- Educational Codeforces Round 118 (Rated for Div. 2)
- 定时任务最简单的3种实现方法(超好用)
- MAC开机密码破解方法
- 细究Android开发代码中心化所带来的问题
- 怎么找回xmind意外关机的文件_Xmind 导图保存丢失怎么找回?
- 泳道流程图:跨职能流程图
- 你遇到过启动电脑以后系统桌面无法显示吗
- panda3d 键盘移动场景
- Linux系统性能监控与调优
- 什么是IA32 及字长的理解
- 微服务架构下该如何技术选型呢?