一维随机变量及其分布
如果说第一章是在学"算命"(算某一次运气的概率),那第二章就是教你"做大数据分析"。
如果说第一章是在学"算命"(算某一次运气的概率),那第二章就是教你"做大数据分析"。
如果说第二章是研究"单身狗"(只看一个变量 $X$),那第三章就是研究"谈恋爱"(同时看 $X$ 和 $Y$ 两个变量,甚至更多)。
如果说前四章是"修炼内功",第五章就是"飞升成仙"。它是概率论最辉煌、最震撼的一章。
概率论(Probability Theory)是研究随机现象数量规律的数学分支。它为我们提供了一套严谨的数学工具来描述和分析不确定性。
正态分布(Normal Distribution),又叫高斯分布(Gaussian Distribution),它不仅是重要,它简直就是概率论里的"神"。
你可能觉得概率论没用,是因为现代的深度学习框架(PyTorch/TensorFlow)封装得太好了。
在深度学习里,大家简直是对 $\mu=0, \sigma=1$(均值为 0,标准差为 1)这种状态有着近乎疯狂的迷恋。
第一章其实就讲了一件事:怎么给"运气"打分。
如果说前三章是在画"藏宝图"(给你完整的分布律、密度函数),那么第四章就是扔掉地图,直接给你几个"GPS坐标"。