概率論對於我們學習機器學習，深度學習等理論，還是自然語言處理，計算機視覺等應用都是很有用的。概率論和其他線性代數，微積分等還是不太一樣的，概率這樣的問題，就是在我們生活中經常碰到並且使用的學科，很大眾化。又因為我發現coursera上竟然有如此好的概率課程，概率（probability），台灣大學葉丙成老師，將理論與現實相結合，不再苦澀難懂，學了動手就能用上。所以我就打算系統學學概率論啦。大家如果感興趣的可以去網上查查，個人感覺真的不錯！
目錄：
1.概率概論
概率概論就是介紹下概率的本質是什麼
2.集合論
集合論是概率論需要設計的學科，也需要簡單介紹下
概率例子：
椅子的問題確實存在，但是我們是不能用概率來算的，我們可以來看看這個報紙：
現在提出乙個問題：概率=0.6是什麼意思？
在回答這個你問題之前，我們先重新的搞懂下下面的問題：
距離=1.23公尺是什麼意思？
時間=8.2秒是什麼意思？
距離和時間有自己的定義，才能更好地進行建立在他們之上的一些人與人直接的溝通。
那麼概率=0.6怎麼定義呢？
我們可以用乙個幸運之輪來定義
我們將這個幸運之輪的圓周長定為1，在輪盤邊標記乙個0.6長度的邊
那麼乙個事情發生的概率=0.6就可以看成轉動輪盤，x剛好停在該邊上的概率是一樣的。
為什麼要研究概率呢？
學習概率就是幫助我們掌握那些沒有辦法掌握的事情！
概率與統計的差異
概率：
概率模型已知，要學會算某些事情發生的概率
eg：比如已知乙個公平的篩子，轉到偶數的概率？
統計：
概率模型未知，要學會怎樣從大量的實驗中去建立概率模型。
eg：不知乙個篩子灌鉛否，但是已知出現每個點的概率，求該篩子？
集合論名詞
元素（element）
eg：小黑，小冀，小湘，小鄂，小美 （其中黑表示黑龍江人，美表示美國人）
集合（set）
eg：喜歡吃鹹豆腐腦 a =
eg：喜歡吃甜豆腐腦 b =
子集合（subset）
eg：不喜歡吃鹹豆腐腦 c =
那麼b就是c的乙個子集合
全集（universal set）
eg：s =
空集合（empty set）
eg：o = {}
交集（intersection）
eg：喜歡甜豆腐腦和喜歡鹹豆腐腦者
並集（union）
eg：喜歡甜豆腐腦或喜歡鹹豆腐腦者
補集（complement）
eg：討厭鹹的 c = 喜歡鹹的 a的補集
數學符號為：
差集（difference）
x-y =
eg：討厭鹹的 - 喜歡甜的 =
不相交（disjoint）
既喜歡甜的又喜歡鹹的 = {}
表示這倆不相交
互斥（mutually exclusive）
如果集合x1，x2，x3...xn中任意兩個xi，xj都不想交，那麼我們稱x1，x2，x3...xn互斥。
eg：喜歡甜的，喜歡鹹的，小美 互不相交，故三者相斥。
定理：
比如乙個圖：
推理得：
證明：
正推
逆推
概率論基礎
概率論 第一章 隨機事件及其概率 分為兩類 1.確定性現象 2.隨機現象 1.1隨機事件及其運算 1.隨機試驗與樣本空間 隨機試驗具有下列三個特徵 1 試驗可在相同條件下重複進行 2 試驗的結果不止乙個 3 每次實驗之前，不能判定哪乙個結果將會出現 用e表示隨機試驗。試驗e中的每乙個可能結果稱為基本...
概率論複習 基礎概率分布
概率論複習 基礎概率分布 發現對概率論的基本概念理解不是很深入，導致看後面的東西時常有些莫名其妙的疑惑，回頭來看看概率論與統計 cdf其定義為 f x x p x x 正如統計學完全教程裡說的，這個cdf函式是很有迷惑性的，有必要仔細理解它。我以前每次看這個表示式都是一閃而過，沒有好好理解，而它的真...
概率論複習 基礎概率分布
概率論複習 基礎概率分布 發現對概率論的基本概念理解不是很深入，導致看後面的東西時常有些莫名其妙的疑惑，回頭來看看概率論與統計 cdf其定義為fx x p x x 正如統計學完全教程裡說的，這個cdf函式是很有迷惑性的，有必要仔細理解它。我以前每次看這個表示式都是一閃而過，沒有好好理解，而它的真正的...