从今天起,开始整理最近重新学过的概率统计相关知识,以巩固加深学过的内容。
借用网上的图:
首先从条件、独立、联合、边缘以及贝叶斯思维入手,建立概率统计的理论基石。然后围绕单一变量和多元变量,讨论随机变量这一重点内容,详细讲解变量的分布、多元变量的独立相关性等主干知识,并揭示大数定律、中心极限定理等极限思维和实践方法。紧接着从经典统计推断和贝叶斯推断两大学派介绍统计推断的基本框架。随后讨论随机过程,重点围绕马尔科夫过程展开。并在贯穿蒙特卡洛方法的思想基础上,利用马尔科夫链进行随机采样。最后讲解典型的概率图模型隐马尔可夫模型,作为这一部分的结尾。
第 1 部分:概率思想。我们首先从条件概率和贝叶斯方法入手,阐明条件、独立、相关等基本概念,掌握联合、边缘的计算方法,我们将一起构建起认知世界的概率思维体系。
第 2 部分:随机变量。我们将重点介绍随机变量主干内容,从单一随机变量的分布过渡到多元随机变量的分析,最后重点阐述大数定理和中心极限定理,并初步接触蒙特卡洛方法,和读者一起建立重要的极限思维。
第 3 部分:统计推断。这部分我们关注的是如何通过部分的样本集合推断出我们关心的总体特征,这在现实世界中非常重要。在参数估计的思想方法基础上,我们重点关注极大似然估计和贝叶斯估计这两种方法。
第 4 部分:随机过程。我