1 概率密度估计 2 最大似然估计 例 1 均值和方差的无偏与有偏估计 什么是高斯分布 ML 的全局最优？ 二元函数局部最优条件 例 2 3 最大后验概率估计 例 3 4 贝叶斯估计 例 4 5 期望最大化 EM EM 在高斯混合模型中的应用

应用事件树方法确定了汽车缺陷风险传递路径,将缺陷风险转化为失效风险进行等效研究.根据汽车缺陷风险特点,建立了风险评估SPN模型,并以三维矩阵图描述汽车缺陷风险;针对汽车的不合理风险及汽车缺陷数据离散和波动的状态,提出了基于灰色理论的风险预测方法;以失效预测数据作为风险评估的风险概率预测基础,建立汽车缺陷的失效预测模型,采用残差辨识法检验模型精度.研究结果表明:在掌握实际的汽车售后零部件故障数据情况下,模型对汽车缺陷风险概率预测具有较好的适用性

第一节 随机环境中的微分 第二节 两个一般模型 第三节 罕见和正常事件的描述 第四节 小概率事件的模型

1 绪论 2 概率分布 3 回归的线性模型 4 分类的线性模型 5 神经⽹络 6 核⽅法 7 稀疏核机 8 图模型 9 混合模型和EM 10 近似推断 11 采样⽅法 12 连续潜在变量 13 顺序数据 14 组合模型

1 一个例子 2 最小二乘法 3 从线性到非线性：用线性模型 4 概率解释 最大似然估计 最大后验概率估计 正则化效果 5 偏置-方差困境 损失函数的第一步分解 损失函数的第二步分解 对多个数据集的简单总结

分析了产品质量设计中的模糊性和随机性,定义了零缺陷设计的基本概念.并在此基础上提出了基于模糊概率的零缺陷设计原理与方法,建立了相应的数学模型.实例计算证明,该模型具有实际应用价值,利用其进行产品质量设计可以使产品实现质优价廉

4 LINGO函数 说明: 有了前几节的基础知识,再加上本节的内容,就能够借助于 LINGO建立并求解复杂的优化模型。 函数类型(9种): 1.基本运算符:算术运算符、逻辑运算符、关系运算符 2.数学函数:三角函数和常规的数学函数 3.金融函数:两种金融函数 4.概率函数:大量概率相关的函数 5.变量界定函数:定义变量的取值范围 6.集操作函数:对集的操作提供帮助 7.集循环函数:遍历集的元素,执行一定的操作的函数 8.数据输入输出函数:允许模型和外部数据源相联系,进行数据的输入输出 9.辅助函数:各种杂类函数

一、性质 随机现象广泛地存在于人类活动的各个方面。随着科技的不断进步，人们对 定量地分析随机现象的规律性提出了愈来愈多愈来愈高的要求，概率论的主要任 务是对不同类型的随机现象建立不同的数学模型，研究它们各自的规律和相互关 系, 其理论严谨，内容丰富，应用广泛，发展迅速，是目前最活跃的数学学科之 一,它有不同于其它研究必然现象的数学分支的独特的思想和方法

1 概率论基础 1.1 为什么需要概率空间 1.1.1 理发师悖论 (Barber paradox) 1.1.2 贝特朗悖论 (Bertrand’s Paradox) 1.1.3 非悖论, 生日问题 1.2 概率空间 1.2.1 可测空间 1.2.2 概率空间 1.2.3 条件概率 1.2.4 全概率公式和 Bayes 公式 1.3 随机变量和分布函数 1.3.1 数字特征 1.3.2 矩函数 (Moment Generating Function) 1.3.3 特征函数 (Characteristic function) 1.3.4 反演公式及唯一性定理 1.3.5 多维随机变量的特征函数 1.4 独立性与条件期望 1.4.1 独立性 1.4.2 条件期望 1.4.3 条件分布 1.4.4 一般条件期望 ⋆ 2 随机过程的基本概念与类型 2.1 随机过程的背景 2.2 基本概念 2.3 有限维分布与 Kolmogorov 定理 2.3.1 随机过程的数字特征 2.4 随机过程的基本类型 2.4.1 平稳过程 2.4.2 独立增量过程 3 Brown 运动（维纳过程） 3.1 基本概念与性质 3.2 维纳过程的分布 3.3 维纳过程的数字特征 3.3.1 二次变差 3.4 Brown 运动的鞅性质 3.5 Brown 运动的最大值变量及反正弦律 3.6 Brown 运动的几种变化 3.6.1 Brown 桥 3.6.2 几何 Brown 运动 4 Poisson 过程 4.1 齐次泊松过程 4.1.1 Poisson 过程数学模型 4.1.2 齐次泊松过程的数字特征 4.1.3 时间间隔与等待时间的分布 4.1.4 到达时间的条件分布 4.1.5 更新计数过程 4.2 复合泊松过程 4.2.1 复合 Poisson 过程 4.3 非齐次泊松过程 (了解内容，不考察) 5 鞅 (Martingale) 过程 5.1 基本概念 5.2 鞅的停时定理及其应用 5.2.1 鞅的停时定理 5.3 连续鞅

在贝叶斯理论框架下, 提出了一种基于多源数据融合的深埋硬岩隧道围岩参数概率反演方法.首先, 分析硬岩隧道常用的启裂-剥落界限本构模型中围岩单轴抗压强度、启裂强度与抗压强度比及抗拉强度三个参数不确定性来源, 确定其概率统计特征; 其次, 利用粒子群算法优化多输出支持向量机, 建立反映反演参数与隧道监测数据间非线性映射关系的智能响应面; 最后, 结合贝叶斯分析方法构建概率反演模型, 运用马尔科夫链蒙特卡洛模拟算法实现了围岩参数的动态更新.将该方法应用到某深埋硬岩隧道中, 利用反演的围岩参数计算隧道拱顶下沉点、周边收敛点变化值及开挖损伤区深度, 与监测数据吻合较好.结果表明, 该方法可以实现围岩多参数快速概率反演, 更新后的参数可用于硬岩隧道施工安全风险评估与结构可靠性设计