統計學之前的定義不再說，簡單，求概率之類的，值得一體的是條件概率和貝葉斯公式，可是機器學習中樸素貝葉斯的核心了哈哈哈
**1. 條件概率
條件概率**通俗點就是研究事件間關係，已知乙個事件發生的條件下考慮另乙個事件發生的概率規律有無變化以及如何變化，公式就是分母a的概率分子是ab同時發生的概率。
2貝葉斯***
貝葉斯可以這樣理解，乙個事情發生是由很多原因導致的，所以結合上面的條件概率，就有了全概率公式。那麼已知這個事情發生的條件下，求某乙個原因導致的機率。分母是這個事件發生的概率（當然有很多原因導致就是全概率哈哈哈），分子就是就是這個原因導致這個事件結果發生的概率（類似ab同時發生呢），總之這就是很有名的貝葉斯，額公式自己粘把懶哈哈哈
然後變數的話由兩個概念值得一提
協方差和相關係數，都是描述隨機變數（兩個）間的線性聯絡程度的數字量哈哈哈。
期望是說隨機變數取值的平均值，然後方差就是真個變數取值相對於均值的離散程度，完了
隨機變數與概率
假設隨機變數x xx的取值域為 i 1 omega i 1 那麼對於任何乙個x ix i xi 事件x x ix x i x xi 的概率記為p x i p x i p xi 對於 omega 的任何乙個子集s i 1 s s i 1 事件x s x in s x s的概率為 p s i 1 p x...
隨機事件與隨機變數
1 隨機事件基本概念 事例引入 現有一枚普通形狀的骰子，將骰子連續投5次，每次投擲出的結果可能性是均等的 其中 1 投擲骰子並得出均等結果的行為稱作隨機現象 2 投擲骰子所能得出所有結果的集合稱為樣本空間 3 投擲骰子所得出的每乙個結果稱為樣本點 4 投擲骰子所得出的結果都在1 6之間，稱為必然事件...
隨機事件和隨機變數
第一部分 1 隨機現象 在一定條件下，一件事件，所得的結果不能預先完全確定，而只能確定是多種可能結果中的一種。2 隨機試驗 實現隨機現象的過程，記為e。3 隨機試驗滿足三個條件 1 可以在相同條件下重複進行 2 結果有多種可能性，並且所有可能結果事先已知 3 作一次試驗究竟哪個結果出現，事先不能確定...