南京大学：《概率论与数理统计 Probability and Statistics》课程教学资源（PPT课件讲稿）Lecture 01 引言、概率论基本概念、古典概型

 内容1：概率论  内容2：贝叶斯定理  内容3：随机变量及其期望与方差

人教A版高中数学必修3第三章 概率3.2 古典概型导学案(3)

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

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

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

在专业的统计研究文献中,我们经常会见到一个p统计值作为研究结果的一部分。在SPSS 软件中,运算结果中也经常有p统计值给出。这里的p统计值实际上是一个与统计假设检验相 联系的概率 专业的定义是:p统计值是在零假设成立的情况下,检验统计量的取值等于或超过所观察到 的值的概率,从而p统计值即为否定H0的最低显著性水平

人工智能基础：贝叶斯概率向赵森烽-克勤概率的转换与应用

人教A版高中数学必修3第三章 概率3.2 古典概型导学案(4)

人工智能基础：概率联系数化的原理及其在概率推理中的应用