知识卡片
先分类型再选概率分布
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?
这张卡片已通过人工审查,不再接受失败反馈。
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
- 第1章 概率统计与应用数学基础知识 · 查看原书依据
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
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