知识卡片

普通读书笔记卡 · 9809.a · 生成模型:DeepSeek-V4.1-Flash

先分类型再选概率分布

理解等级:中级

随机变量 X 是把随机试验的每个结果映射成一个数的函数:离散型只能取有限或可列个值 x1,…,xn,用 P(X=x) 描述各点概率;连续型可在某个区间内取任意实数,用概率密度 f(x) 描述,某区间的概率由 f 的积分给出,单点概率为 0。分布就是对“X 取各值的可能性”的完整刻画,选分布时先看变量是计数还是连续量,再看试验条件。

分布 参数与取值 成立条件与典型场景
0-1 分布 p,k∈{0,1} 一次试验只有成败两种结果,如一次曝光是否被点击
二项分布 B(n,p) n 次独立试验中成功 k 次 每次成功概率同为 p;0-1 分布是 n=1 的特例
泊松分布 P(λ) λ 为单位时间平均发生率,E(X)=D(X)=λ n 大 p 小的稀有事件计数,如每分钟到达的请求数
几何分布 G(p) 首次成功所需的试验次数 k 反复独立试验直到第一次成功
超几何分布 H(N,M,n) 从含 M 个目标的 N 个对象中不放回抽 n 个 不放回抽样;有放回则退化为二项分布
均匀分布 U(a,b) 区间 [a,b] 上等可能 完全无信息时的默认分布
正态分布 N(μ,σ²) 均值 μ、方差 σ²,μ=0、σ=1 为标准正态 大量独立因素叠加的误差;二项分布在 n 大时趋于它
指数分布 E(λ) 取值 [0,∞),λ 为单位时间发生次数 独立事件的时间间隔,如用户两次访问的间隔

边界:计数类分布都以试验独立为前提;泊松还要求观察期内 λ 稳定,请求有突发峰值时不适用。连续分布谈某一点的概率没有意义,只能谈区间概率。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《智能搜索和推荐系统:原理、算法与应用(零基础掌握搜索和推荐系统的原理、架构、算法) (智能系统与技术丛书)》第1章 概率统计与应用数学基础知识(源文件:extracted/智能搜索和推荐系统:原理、算法与应用(零基础掌握搜索和推荐系统的原理、架构、算法) (智能系统与技术丛书)/_epub-src/text/part0009.html) - 结论依据:原文给出随机变量的定义、离散与连续的划分,并在同一节逐个给出各分布的参数与适用场景,支撑“先分类型再选分布”的选型逻辑。 - 原始内容:随机变量可以随机地取不同的值,取值可以是离散的,也可以是连续的。随机变量更像是一种函数,可以表示随机试验中所有可能的输出结果