离散型随机变量 随机变量的分布函数 连续型随机变量 一维随机变量函数的分布 二维随机变量的联合分布 多维随机变量的边缘分布与独立性 条件分布 多维随机变量函数的分布

统计学习方法即机器学习方法，是计算机及其应用领域的一门重要学科。本书分为监督学习和无监督学习两篇，全面系统地介绍了统计学习的主要方法。包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、支持向量机、提升方法、EM算法、隐马尔可夫模型和条件随机场，以及聚类方法、奇异值分解、主成分分析、潜在语义分析、概率潜在语义分析、马尔可夫链蒙特卡罗法、潜在狄利克雷分配和PageRank算法等

 §3.1 二维随机变量  §3.2 边缘分布  §3.3 条件分布  §3.4 相互独立的随机变量  §3.5 两个随机变量的函数的分布

§1 二维离散型随机变量 §2 二维连续性随机变量 §3 边缘分布 §4 条件分布 §5 随机变量的独立性 §6 两个随机变量函数的分布

1.1概率空间 1.2随机变量与分布函数； 1.3数字特征、矩母函数与特征函数 1.4收敛性 1.5独立性与条件期望

第一节 二维随机变量及其分布 第二节 边缘分布 第三节 条件分布 第四节 随机变量的独立性 第五节 两个随机变量函数的分布

针对一类带有未知虚拟控制增益的随机严格反馈非线性系统,基于后推设计,引入积分型Lyapunov函数,并利用神经网络的逼近能力,提出了一种自适应神经网络控制方案.与现有研究结果相比,放宽了对控制系统的要求,取消了对于未知函数的限制条件.通过Lyapunov方法证明了闭环系统的所有误差信号依概率有界.仿真结果验证了所给控制方案的有效性

①确定性现象：在一定条件下必然发生的现象 例 抛一石子必然落下； （结果可以事先预言的） ②随机现象： 在个别试验中其结果呈现出不确定性 在大量的重复观察中又具有某种统计 规律性的现象

定义称随机变量X,Y相互独立,若对任意a