码迷,mamicode.com
首页 >  
搜索关键字:概率密度函数    ( 118个结果
随机变量的数字特征之数学期望
概念和性质 定义 期望是概率论中一个非常重要的概念。若 X 是一个离散型的随机变量,其分布列为 p(x),那么 X 的期望记作 E[X],定义为: 若 X 是一个连续型随机变量,其概率密度函数为 f(x),则 X 的期望 E[X] 定义为: 用语言表达,X 的期望就是 X 所有可能取值的一个加权平均 ...
分类:其他好文   时间:2019-09-26 09:45:39    阅读次数:130
Kattis - heapsoffun Heaps of Fun (概率密度函数+dp)
题意:有一棵含有n个结点(n<=300)的根树,树上每个结点上的权值是从[0,ai](ai<=1e9)区间内随机的一个实数,问这棵树能形成一个最小堆的概率。 由于结点取值范围是1e9而且是实数,所以枚举权值dp自然是行不通的了,但可以从函数的角度上考虑。 首先需要了解两个概念: CDF:分布函数,记 ...
分类:其他好文   时间:2019-08-22 12:58:37    阅读次数:111
python 画正态曲线
import numpy as np import matplotlib.pyplot as plt import math # Python实现正态分布 # 绘制正态分布概率密度函数 u = 0 # 均值μ u01 = -2 sig = math.sqrt(0.2) # 标准差δ sig01 = ... ...
分类:编程语言   时间:2019-06-02 16:00:10    阅读次数:143
xdoj-1400 zxy的射击
题目链接 核💗: 这道题求二项分布E(x^k)的期望, 刚才是照着E(X^2)展开化简得到np(1-p)的形式化简,但是失败了 后来发现这道题可以用数学期望的独立性来做,动态规划-233 先说一下期望的性质与证明: 用概率密度函数证明貌似很好证明: 我们可以把二项分布实验看作是n次伯努利实验, x ...
分类:其他好文   时间:2019-05-16 21:50:19    阅读次数:229
理论篇-关于服务器的一些了解
一、硬件可靠性的一些概念 (1)MTTF-平均失效时间或平均失效前时间 该指标针对不可修复系统而言的 (2)连续寿命分布和离散寿命分布 离散寿命分布即以离散变量描述寿命,例如开关开关次数; 连续寿命分布有:指数分布、韦伯尔分布等,源自《可靠性工程基础》 (3)失效率函数、失效概率密度函数、累积失效率 ...
分类:其他好文   时间:2019-04-20 23:01:46    阅读次数:354
非参数估计——Parzen窗与k近邻估计
       在做分类问题时,有时候需要使用样本的概率密度函数来求其后验概率。但是很多情况下并不知道其概率密度函数的形式(即样本的分布未知),此时就需要对样本进行非参数估计,来求解其概率密度函数。        求解未知 ...
分类:其他好文   时间:2019-03-18 15:30:33    阅读次数:284
统计学习方法 李航 逻辑斯谛回归与最大熵模型
" " " " 介绍了分布函数和概率密度,函数特点. " " " " " " 这里的逻辑斯谛回归模型就是为了将实数范围映射到(0,1)范围上.即将线性函数外套上sigmoid函数. https://blog.csdn.net/hfutxiaoguozhi/article/details/788439 ...
分类:其他好文   时间:2019-03-08 16:38:05    阅读次数:179
核密度估计 Kernel Density Estimation (KDE) MATLAB
对于已经得到的样本集,核密度估计是一种可以求得样本的分布的概率密度函数的方法: 通过选取核函数和合适的带宽,可以得到样本的distribution probability,在这里核函数选取标准正态分布函数,bandwidth通过AMISE规则选取 具体原理及定义:传送门 https://en.wik ...
分类:其他好文   时间:2019-01-20 20:03:25    阅读次数:258
机器学习之逻辑回归(二)
二项逻辑回归模型是如下的条件概率分布: 其中x∈是输入,y∈{0,1}是输出。 为了方便,将权值向量和输入向量进行扩充,此时w = ,x = ,回归模型表示如下: 参数w未知,采用统计学中的极大似然估计来由样本估计参数w。对于0-1分布x ~ B(1 , p),x的概率密度函数可以表示为: 其中k ...
分类:其他好文   时间:2019-01-14 20:08:47    阅读次数:191
记录:EM 算法估计混合高斯模型参数
当概率模型依赖于无法观测的隐性变量时,使用普通的极大似然估计法无法估计出概率模型中参数。此时需要利用优化的极大似然估计:EM算法。 在这里我只是想要使用这个EM算法估计混合高斯模型中的参数。由于直观原因,采用一维高斯分布。 一维高斯分布的概率密度函数表示为: 多个高斯分布叠加在一起形成混合高斯分布: ...
分类:编程语言   时间:2019-01-01 16:08:21    阅读次数:235
118条   上一页 1 2 3 4 5 ... 12 下一页
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!