众所周知，在当前机器学习看待数据的很重要一个方式是概率，例如分类问题是建模一个P(Y=C|X)。在面对离散变量的时候，例如人名这种离散变量。假设有问题：给一个名字，判断该人是中国哪里人。（或许在现实生活中，该问题是不合理的，一般情况下无法根据人名判断是哪里人）假设我们有所有省份的人

目录一、随机变量及其分布1、定义2、离散型随机变量及其概率分布3、连续型随机变量及其概率分布4、分布函数5、常见分布5.10-1分布5.2几何分布5.3二项分布5.4泊松分布5.5均匀分布5.6指数分布5.7正态分布5.7.1标准正态分布5.7.2正态分布标准化6、离散型

文章目录@[TOC](文章目录前言一、连续性随机变量分布连续型随机变量的特点：概率密度函数密度函数f(x)具有下列性质二、分布函数1.基本概念2.累积分布函数（CDF）3.CDF的性质4.不同类型随机变量的累积分布函数5.常见的分布5.1二项式分布5.2正态分布离散型随机变量函数的分

《中国科技期刊数据库（文摘版）医药卫生》是经国家新闻出版总署批准，科技部西南信息中心主管、重庆维普资讯有限公司主办的连续型电子出版物。国内刊号：50-9212/R，国际刊号：1671-5608。主要栏目为影像与检验、临床医学、护理医学、中医中药·中西医结合、综述、论著、医学论坛等。

学习视频如下：主要学习视频：《概率论与数理统计》教学视频全集（宋浩）_哔哩哔哩_bilibili其余知识点补充： 二维连续型随机变量的积分计算_哔哩哔哩_bilibili 014二维连续型随机变量_哔哩哔哩_bilibili 矩估计&最大似然估计通俗易懂版解释（自用）_哔哩哔哩_bilibili 

【Embedding合集】推荐系统/风控领域中动态连续型不定长序列数据处理方案在推荐系统或是风控领域都存在这样一类动态连续型序列数据，如用户最近一个月消费记录，最近半年还款记录等等，这些序列数据的每一个元素都是连续型的数字，并且长度不定（每个用户消费的笔数都不一样），但这类动

文章主要参考了以下博文：https://zhuanlan.zhihu.com/p/5648197181.简介粒子群算法是一种解决最优化问题的通用方法，其优点是求解速度快，数值相对稳定，算法简单。粒子群算法分为连续型粒子群算法和离散型粒子群算法，分别用于解决连续型问题和离散型问题。粒子群优化算法源自对鸟

变量分类变量无序分类变量说明事物类别的一个名称，如：性别有男女两种，二者无大小之分，无顺序之分，还有如血型、民族等有序分类变量也是说明事物类型的一个名称，但是有次序之分，例如:满意度分为满意一般不满意，三者是有顺序的，但是无大小之分数值型变量连续型变量取值范围是

1.分布律定义分布律只针对离散型随机变量，连续型没有设离散型随机变量可能取值为\(x_k(k=1,2,...)\),事件\(\{X=x_k\}\)的概率为离散型随机变量\(X\)的分布律，记作\(P\{X=x_k\}=p_k,k=1,2...\)性质\(p_k>=0\)。\(p_k\)的意思是取值为k的概率\(\sum_{k=1}^{\infty}=1\)

前言：感觉这里的知识有点小乱，遂浅浅整理一下零、卷积公式法原理https://www.bilibili.com/video/BV1mz4y1D7cW/?spm_id_from=333.788.top_right_bar_window_custom_collection.content.click&vd_source=87f7ad8544d4c3ad070c5c2ff28b7698卷积公式法的原理其实就是分布函数法+暴

1回顾：23解题就是要用它的那两个性质，这里采用归一性最好了。45这个分布函数是连续的，极限等于函数值。这部分的内容跟离散型是不一样的。离散型是离散

2.4常用的连续型分布均匀分布定义如果随机变量\(X\)的密度函数为\[f(x)=\left\{\begin{align*}&\frac{1}{b-a},\quad\quada\lex\leb,\\&0,\quad\quad\quad\qua

机器学习，需要一定的数学基础，需要掌握的数学基础知识特别多，如果从头到尾开始学，估计大部分人来不及，我建议先学习最基础的数学知识，基础知识可以分为高等数学、线性代数、概率论

1.随机变量随机变量：设随机变量的样本空间为\(S={e}\).\(X=X(e)\)是定义在样本空间\(S\)上的实值单值函数，则称\(X=X(e)\)为随机变量2.离散型随机变量及其分布律1.

1.11.1.11.1.2两种基本类型：离散型和连续型离散型随机变量即在一定区间内变量取值为有限个或可数个伯努利分布、二项分布、几何分布、泊松分布、超几何分布等连续型随

分布函数：https://www.cnblogs.com/tsuish/p/16731610.html分布函数的一些常用方法概率密度：（1）均匀分布（2）指数分布（3）正态分布