1.什么是联合概率分布?

联合概率分布简称联合分布,是两个及以上随机变量组成的随机向量的概率分布。根据随机变量的不同,联合概率分布的表示形式也不同。对于离散型随机变量,联合概率分布可以以列表的形式表示,也可以以函数的形式表示;对于连续型随机变量,联合概率分布通过一非负函数的积分表示。

2. 举例说明联合概率分布

打靶时命中的坐标(x,y)的概率分布就是联合概率分布(涉及两个随机变量),其他同样类比

3.离散型联合概率分布

以下摘自百度百科:

对于二维离散随机向量,设X和Y都是离散型随机变量,

分别是X和Y的一切可能的几何,则X和Y的联合概率分布可以表示为如下图的列联表,也可以表示为如下的函数形式

其中
变量X和Y的联合分布完全决定X的概率分布和Y的概率分布(称作联合分布的边缘分布):
对于多维(维数大于等于3)离散型随机变量

的联合概率分布以此类推。

题目详解:

假设X和Y都是离散型分布先看X的概率分布:X      0        1p     0.4     0.6再看Y的概率分布:Y     0          1      2p    0.25    0.5    0.25又因为X与Y相互独立,所以(X,Y)的联合概率分布为:X\Y      0         1          20       0.1      0.2       0.11      0.15     0.3      0.15P(X<Y)=P(X=0,Y=1)+P(X=0,Y=2)+P(X=1,Y=2)=0.2+0.1+0.15=0.45

4.连续型联合概率分布

对于二维连续随机向量,设X和Y为连续型随机变量,其联合概率分布,或连续型随机变量

的概率分布

通过一非负函数

的积分表示,称函数

为联合概率密度函数。[3]

两者的关系如下:

不但完全决定X和Y的联合概率分布,而且完全决定X的概率分布和Y的概率分布,以

分别表示X和Y的概率密度,则

对于多维(维数大于等于3)连续型随机变量

的联合概率分布以此类推。

机器学习-联合概率分布笔记相关推荐

  1. 联合概率分布的学习笔记

    1 致谢 感谢百度百科的帮助,原文链接如下: https://baike.baidu.com/item/联合分布/5571059?fromtitle=%E8%81%94%E5%90%88%E6%A6% ...

  2. 《机器学习实战》笔记(04):基于概率论的分类方法 - 朴素贝叶斯分类

    基于概率论的分类方法:朴素贝叶斯分类 Naive Bayesian classification 这大节内容源于带你理解朴素贝叶斯分类算法,并非源于<机器学习实战>.个人认为<机器学 ...

  3. 开源!《模式识别与机器学习(PRML)》笔记、代码、NoteBooks 发布

    微软剑桥研究院实验室主任 Christopher Bishop 的经典著作<Pattern Recognition and Machine Learning>,中文译名<模式识别与机 ...

  4. 《机器学习》阅读笔记(三)

    <机器学习>阅读笔记(三) 3 线性模型(linear model) 3.1 基本形式 设 ddd:属性个数 x=(x1;x2;-;xd)\boldsymbol{x}=(x_1;x_2;\ ...

  5. 台大机器学习基石学习笔记

    台大机器学习基石学习笔记 标签(空格分隔): 机器学习 目录 台大机器学习基石学习笔记 目录 Lecture 1 The Learning Problem Course Introduction Wh ...

  6. 机器学习 基础理论 学习笔记 (8)特征选择(feature selection)(一)

    0.说明 本文也许比较乱,请看目录再食用. 后续会 出文 机器学习 基础理论 学习笔记 (8)特征选择(feature selection)(二) 将 分类问题 和 回归问题 分开总结. 以及或将出文 ...

  7. 二、大数据与机器学习-机器学习基本概念-笔记

    一.基本术语 举例,我们有一些关于橘子和橙子的数据集合,这些记录的集合称为数据集.每条记录是关于一个橙或橘的描述,称为示例或样本.记录中的形状.剥皮.味道称为属性或特征.圆形.扁圆形.难.易.甜为为各 ...

  8. python嵩天课堂笔记_[Python机器学习]强化学习笔记(嵩天礼欣老师mooc第三周)

    [Python机器学习]强化学习笔记(嵩天礼欣老师mooc第三周) [Python机器学习]强化学习笔记(嵩天礼欣老师mooc第三周) 目录 强化学习 定义 马尔科夫决策过程 基本元素 值函数 最优值 ...

  9. 机器学习入门学习笔记:(4.2)SVM的核函数和软间隔

    前言 之前讲了有关基本的SVM的数学模型(机器学习入门学习笔记:(4.1)SVM算法).这次主要介绍介绍svm的核函数.软间隔等概念,并进行详细的数学推导.这里仅将自己的笔记记录下来,以便以后复习查看 ...

  10. 机器学习入门学习笔记:(3.2)ID3决策树程序实现

    前言 之前的博客中介绍了决策树算法的原理并进行了数学推导(机器学习入门学习笔记:(3.1)决策树算法).决策树的原理相对简单,决策树算法有:ID3,C4.5,CART等算法.接下来将对ID3决策树算法 ...

最新文章

  1. Python IDLE theme
  2. 用Spring Web Flow和Terracotta搭建Web应用
  3. android 从图片获取二维码
  4. java基础----IO序列化Serializable
  5. C++轻量级微服务_从微服务架构解析信源新一代“金融e采”产品
  6. elasticsearch date_Elasticsearch在日志分析领域应用和运维实践
  7. 信息学奥赛C++语言:求各位数和2
  8. java锁原理_Java锁原理学习
  9. 雾山五行专题高清壁纸,绝美动漫场景
  10. 关于Arduino 步进电机Stepper库的一些想法
  11. SAP License:制造行业环境分析
  12. 【2011-2012 ACM-ICPC Pacific Northwest Regional Contest C】A Classic Myth【点集最小平行四变形覆盖】
  13. 重磅:使用UOS微信桌面版协议登录,wechaty免费版web协议重放荣光
  14. [zz]P2P直播软件设计的技术原理和改进
  15. Android判断世界各国手机号码合法性
  16. 反转二叉树--递归和非递归
  17. 【LOJ574】「LibreOJ NOI Round #2」黄金矿工
  18. 聊聊Hive数据血缘——从Atlas没有列级血缘的Bug讲起
  19. es7.1聚合查询 javaAPI
  20. matlab中true()函数的用法

热门文章

  1. 网站后台爆破工具:WebCrack
  2. 第【一】部分Netzob项目工具的安装配置
  3. 2.4.1 ALU-串行加法器和并行加法器
  4. react-jwchat,一个简单的web聊天组件
  5. DirectShow播放视频流程
  6. 树莓派安装Ubuntu系统
  7. 几款不错的整站下载工具
  8. Tar的详细用法(转自Linux伊甸园)
  9. android 沙盒双开 微信,微信双开回来了,而且还不会被封号
  10. 【脱壳-寻找OEP】通过堆栈平衡法找到OEP(ESP定律)