人工智能数学基础--概率与统计4:联合分布与边缘分布
一、引言
本文是《人工智能数学基础–概率与统计3:随机变量与概率分布》的后续篇,本文中的公式编号从15开始,前面14个公式请参考人工智能数学基础–概率与统计3:随机变量与概率分布》。
二、联合分布概念
2.1、概述
《人工智能数学基础–概率与统计3:随机变量与概率分布》的随机变量分布函数的概念推广到两个或更多个随机变量的情形对应的概率分布就是联合分布。即离散随机变量的概率质量函数和连续随机变量的概率密度函数都可以同时作用于多个随机变量,这种多个随机变量的概率分布被称为联合概率分布(joint probability distribution)。
考虑两个随机变量的典型情形,它们或者两个都是离散的或者两个都是连续的。至于一个变量是离散的而另一个是连续的情形,则只要适当修改就容易解决,推广为两个以上变量的情形,也能解决。
2.2、 离散随机变量情形
若X和Y是两个离散的随机变量,我们用下式来定义X和Y的联合概率函数:
P(X = x,Y= y)=f(x,y) (13)
其中:
(1)、f(x,y)≥0;
(2)、ΣΣf(x,y)=1,即对概率密度函数基于x和y两个维度叠加求和后的值为1。
假定X可取m个值x1,x2,…,xm中的任一个,Y可取n个值y1,y2,…,yn中的任一个,则事件X=xj和Y=yk的概率由下式给出:
P(X= xj,Y=yk)=f(xj,yk) (14)
X和Y的联合概率函数可以用表2-3中的联合概率来描述。X=xj的概率可对所有在对应于xj的行上各项相加,用下式得到:
公式(15)中 j=1,2,…,m,该公式对应表2-3的最右边的列或边缘,为每行所有单元小格的和。类似地,Y=yk的概率可对所有在对应于yk的列上各项相加,用下式得到
对k=1,2,…,n,分别对应在表2-3的最下边的行或边缘,表示为各列单元和。由于概率(15)和(16)是从表的边缘得到的,我们常常把f1(xj)和f2(yk)(或简记为f1(x)和f2(y))分别称为X和Y的边缘概率函数(marginal probability function)。也应该注意到
它可以写成
X和Y的联合分布函数由下式定义
在表2-3中,F(x,y)是所有满足工xj≤x和yk≤y的单元小格的总和。
2.3、 连续情形
丙个变量都是连续的情形,只要对离散的情形中的求和用积分代替就可类似地得到,因此,随机变量X和Y的联合概率函数(或通常称之为X和Y的联合密度函数)被定义为
x=f(x,y)的图形描绘出一块曲面,称为概率曲面,像图2-4所显示的那样。按上述性质2,界于该曲面与xy平面之间的总体积等于1。
对于X属于a与b之间而Y属于c与d之间的概率,在几何上,由图2-4中阴影部分的体积给出,在数学上由下式给出:
更一般地,若A 代表任一个事件,对应它的是xy平面上的一个区域RA,在此情形中,我们可用RA上的积分来求A的概率,即:
在该情形中,X和Y的联合分布函数被下式定义:
下列式子与《人工智能数学基础–概率与统计3:随机变量与概率分布》中的(11)式类似:
即密度函数由对分布函数关于x与y求导而得到。
从(22)式得到:
我们分别称(24)和(25)式为X和Y的边缘分布函数或简称分布函数,则(24)和(25)式关于x和y的导数就称为X和Y的边缘密度函数,或简称密度函数,并用下式给出:
三、小结
概率密度函数都同时作用于多个随机变量的概率分布被称为联合概率分布(joint probability distribution),联合概率分布可以看做是一组变量的概率分布,如果需要了解其中一个子集的概率分布,则就是边缘概率分布。
对于离散随机变量,某个子集的边缘概率计算就是将带该子集变量的所有其他子集可能取值求和,对于连续随机变量,则是对该子集变量外的其他子集求积分。
说明:
本文内容是老猿学习美版M.R.斯皮格尔等著作的《概率与统计》的总结,有需要高数原教材电子版以及OpenCV、Python基础知识、图像处理原理介绍相关电子资料,或对文章内有有疑问咨询的,请扫博客首页左边二维码加微信公号,根据加微信公号后的自动回复操作。
更多人工智能数学基础请参考专栏《人工智能数学基础》。
写博不易,敬请支持:
如果阅读本文于您有所获,敬请点赞、评论、收藏,谢谢大家的支持!
关于老猿的付费专栏
- 付费专栏《https://blog.csdn.net/laoyuanpython/category_9607725.html 使用PyQt开发图形界面Python应用》专门介绍基于Python的PyQt图形界面开发基础教程,对应文章目录为《 https://blog.csdn.net/LaoYuanPython/article/details/107580932 使用PyQt开发图形界面Python应用专栏目录》;
- 付费专栏《https://blog.csdn.net/laoyuanpython/category_10232926.html moviepy音视频开发专栏 )详细介绍moviepy音视频剪辑合成处理的类相关方法及使用相关方法进行相关剪辑合成场景的处理,对应文章目录为《https://blog.csdn.net/LaoYuanPython/article/details/107574583 moviepy音视频开发专栏文章目录》;
- 付费专栏《https://blog.csdn.net/laoyuanpython/category_10581071.html OpenCV-Python初学者疑难问题集》为《https://blog.csdn.net/laoyuanpython/category_9979286.html OpenCV-Python图形图像处理 》的伴生专栏,是笔者对OpenCV-Python图形图像处理学习中遇到的一些问题个人感悟的整合,相关资料基本上都是老猿反复研究的成果,有助于OpenCV-Python初学者比较深入地理解OpenCV,对应文章目录为《https://blog.csdn.net/LaoYuanPython/article/details/109713407 OpenCV-Python初学者疑难问题集专栏目录 》
- 付费专栏《https://blog.csdn.net/laoyuanpython/category_10762553.html Python爬虫入门 》站在一个互联网前端开发小白的角度介绍爬虫开发应知应会内容,包括爬虫入门的基础知识,以及爬取CSDN文章信息、博主信息、给文章点赞、评论等实战内容。
前两个专栏都适合有一定Python基础但无相关知识的小白读者学习,第三个专栏请大家结合《https://blog.csdn.net/laoyuanpython/category_9979286.html OpenCV-Python图形图像处理 》的学习使用。
对于缺乏Python基础的同仁,可以通过老猿的免费专栏《https://blog.csdn.net/laoyuanpython/category_9831699.html 专栏:Python基础教程目录)从零开始学习Python。
如果有兴趣也愿意支持老猿的读者,欢迎购买付费专栏。
老猿Python,跟老猿学Python!
☞ ░ 前往老猿Python博文目录 https://blog.csdn.net/LaoYuanPython ░
人工智能数学基础--概率与统计4:联合分布与边缘分布相关推荐
- 人工智能数学基础--概率与统计13:连续随机变量的标准正态分布
一.引言 在<人工智能数学基础–概率与统计12:连续随机变量的概率密度函数以及正态分布>介绍了连续随机变量概率分布及概率密度函数的概念,并介绍了连续随机变量一个重要的概率密度函数:正态分布 ...
- 人工智能数学基础--概率与统计14:连续随机变量的指数分布、威布尔分布和均匀分布
一.引言 在<人工智能数学基础–概率与统计12:连续随机变量的概率密度函数以及正态分布>介绍了连续随机变量概率分布及概率密度函数以及正态分布,<人工智能数学基础–概率与统计13:连续 ...
- 人工智能数学基础--概率与统计7:学习中一些术语的称呼或表示变化说明以及独立事件的一些补充推论
一.概念表示变化说明 笔者最开始学习概率论时,是以美版M.R.斯皮格尔等著作的<概率与统计>作为教材学习,学习过程中发现部分内容理解困难,之所以这样,一是这本书的内容太古老,教材是2002 ...
- 人工智能数学基础--概率与统计3:随机变量与概率分布
一.随机变量 假设对一个样本空间的每个点,我们指定一个数,于是就在该样本空间上定义了一个函数,称这个函数为随机变量(random variable)或更确切地称之为随机函数. 随机变量通常用大写字母X ...
- 人工智能数学基础--概率与统计2:排列组合的表示方法、二项式系数及斯特林近似
### 引言 在很多情况样本空间的样本点数不是非常大,从而直接计数样本点数获得概率并不困难. 当然,有些问题直接计数实际上是不可能的.计数要使用**组合分析**,这也称为一种精细的计数方法. 这些组合 ...
- 人工智能数学基础--概率与统计1:随机试验、样本空间、事件、概率公理定理以及条件概率和贝叶斯法则
随机试验 我们都非常熟悉在科学研究和工程中试验的重要性.试验对我们是有用的,因为我们可以假定,在非常接近的确定条件下进行固定的试验,基本上会得到相同的结果.在这样的环境中,我们可以控制那些对试验结果有 ...
- 人工智能数学基础--概率与统计11:离散随机变量的超几何分布和负二项分布
一.超几何分布 1.1.定义 假设N个产品中M个废品,以X记为从N个产品中随机抽出n个里面所包含的废品数m,则: P(X=m)=(mM)(n−mN−M)/(nN)P(X=m) = {\Large (^ ...
- 人工智能数学基础专栏目录
☞ ░ 前往老猿Python博文目录 ░ 本专栏为人工智能数学基础,相关内容介绍人工智能相关的数学知识,在老猿学习过程中,会将一些知识的基础知识都在本专栏内体现,尽量做到本专栏涉及知识点的内容闭环. ...
- 图解AI数学基础(2) | 概率与统计(要点速查清单·完结)
作者:韩信子@ShowMeAI 教程地址:https://www.showmeai.tech/tutorials/83 本文地址:https://www.showmeai.tech/article-d ...
- 深度学习之数学基础(概率与统计)
3-1.为什么使用概率? 概率论是用于表示不确定性陈述的数学框架,即它是对事物不确定性的度量. 在人工智能领域,我们主要以两种方式来使用概率论.首先,概率法则告诉我们AI系统应该如何推理,所以我们设计 ...
最新文章
- R语言ggplot2可视化:ggplot2使用geom_mark_ellipse函数进行椭圆形圈定(注释)特定的数据簇或组
- eclipse配置tomcat8.5
- docker jenkins 公钥_代码自动发布docker(20.10.1)+k8s(1.20.1)
- java犀牛是什么意思_深入浅出Rhino:Java与JS互操作
- 我是程序员,我比较喜欢有纪律的团队。
- 分类型变量预测连续型变量_「JS进阶」你真的掌握变量和类型了吗
- Android 微光闪烁效果之更强Shimmer-android
- vs 调试exe引用的lib
- Mac电脑睡眠之后苹果电脑没有声音的解决办法
- 质控工具之TrimGalore使用方法
- 视频和视频帧:H264编码格式整理
- Android基础学习总结(十六)——基于ijkplayer封装支持简单界面UI定制的视频播放器
- 计算机ip 地址异常,ip地址错误怎么修复?ip地址错误的修复方法
- java jdk15.0.1环境配置(图文教程)
- ansys matlab 温度场,ANSYS温度场分析步骤.pdf
- html 图片重叠效果,CSS实现照片堆叠效果的实例代码
- 【枚举找规律】记一次找规律题 埃匹希斯水晶
- SMU Problem 1727 逃生
- 那些让人睡不着觉的bug,你有没有遭遇过?
- 关于 maven插件爆红或插件版本爆红问题解决(且本地仓库存在相应插件版本)
热门文章
- 数学建模——SPSS的非参数检验
- 小型超市管理系统 C++面向对象
- 视频教程-C++Windows之WDM驱动程序开发(实战篇)上-驱动/内核开发
- bp神经网络优化算法对比,提高bp神经网络精度
- 计算机故障语言 英语怎么说,故障英语怎么说
- ssm企业人事管理系统人事管理系统(企业人事管理系统)企业人事人力资源管理系统
- HTTP代理和SOCKS代理有什么区别
- 计算机微信开发中期检查表,中期检查表范例
- 彻底格式化系统启动U盘(基于win10)
- win10系统开启扫描仪服务器,win10通用扫描仪安装步骤