摘自网络，版权归作者所有。 1. 机器学习为什么要使用概率 2. 概率学派和贝叶斯学派 3. 何为随机变量和何又为概率分布？ 4. 条件概率，联合概率和全概率公式： 5. 边缘概率 6. 独立性和条件独立性 7. 期望、方差、协方差和相关系数 8. 常用概率分布 9. 贝叶斯及其应用 10. 中心极限定理 11. 极大似然估计 12. 概率论中的独立同分布?

别人花10分钟做出来的题，你2分钟靠公式就可以解决。既然如此，又何必自己费心费力去推导呢？最主要的是，在真正考研的考场上，你可能会大脑空白，所以记清这些公式可能比你慌慌张张去推导的正确率高很多！目录 0000000000000 8第二部分线性代数8 ⊙0000000000000 第一章行列式 …(117) 第一节行列式的概念与性质…… (117 第二节行列式的计算 (119) 第二章矩阵 (121) 第一节矩阵的概念 …(122) 第二节矩阵的运算 (123) 第三节逆矩阵 (125) 第四节矩

概率论复习资料，保研用，课程考试复习请勿使用！未经允许请勿转载或用作商业用途！本次上传重新下调了下载积分第二章:二维变量 维变量 1.二维随机变量(X,Y):X与Y相互独立 2.(X,Y)的联合分布函数F(xy)与联合概率密度函数f(x,y) F(x,y)=P(X≤x,y≤y)=Jf(xydx f(x,y)=F(x, y) 、边缘分布与独立性 边缘分布:多维随机变量中只包含其中部分变量的概率分布。如对(XY)分布只研究 X的分布 2.边缘分布函数函数和边缘概率密度函数: X的边缘分布函数] Fx

离散型随机变量的边缘分布 设二维离散型随机变量(X,Y)(X,Y)(X,Y)的分布律为: P(X=xi,Y=yj)=pij,i,j=1,2…P(X=xi)=∑j=1+∞pij,i=1,2…P(X=x_i,Y=y_j) = p_{ij},\quad i,j=1,2…\\ P(X=x_i) = \sum_{j=1}^{+\infty}p_{ij},\quad i=1,2…P(X=xi​,Y=yj​)=pij​,i,j=1,2…P(X=xi​)=j=1∑+∞​pij​,i=1,2… 称为二维离散型随机