知识卡片
概率质量函数与密度函数
概率分布描述随机变量在每个可能状态上的可能性大小,描述方式取决于变量是离散还是连续。离散变量用概率质量函数(PMF)P,它把每个状态映射到该状态的概率,要求定义域覆盖所有状态、取值非负且总和为 1(归一化)。连续变量用概率密度函数(PDF)p,注意 p(x) 本身并不是概率,只有对区间积分才得到真实概率质量——某一点的密度可以大于 1,这是与 PMF 的本质区别。多变量时联合分布 P(x,y) 描述它们同时取值的概率,归一化保证『所有事件之一发生』的概率不会超过 1。分清 PMF 与 PDF 是读懂后续边缘化、条件化与期望运算的前提,也是避免『把密度当概率』这一常见错误的根基。
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3章 概率与信息论 · 查看原书依据
概率分布 (probability distribution)用来描述随机变量或一簇随机变量在每一个可能取到的状态的可能性大小。我们描述概率分布的方式取决于随机变量是离散的还是连续的。
参考来源
- 位置:《深度学习》第3章 概率与信息论(源文件:extracted/深度学习/_epub-src/text/part0000_split_001.html)
- 结论依据:原文定义概率分布并指出描述方式取决于变量离散或连续,且在连续情形特别强调不要求 p(x) 小于等于 1。
- 原始内容:概率分布 (probability distribution)用来描述随机变量或一簇随机变量在每一个可能取到的状态的可能性大小。我们描述概率分布的方式取决于随机变量是离散的还是连续的。