memo

nara memo

論文を読む上で必要になった知識とか.
間違ってたりもっと良い説明あったら修正よろしくー.


ベイズの定理

{P(B) =}事象{B}が発生する確率(事前確率, prior probability)
{P(B|A) =}事象{A}が起きた後での、事象{B}の確率(事後確率, posterior probability)
とする。 ベイズの定理によれば、{P(A) > 0}ならば、
{P(B|A)}={\frac{P(A|B)P(B)}{P(A)}}
が成り立つ.(wikipedia)

とりあえず覚えるなら
{Prob(B given A) = \frac{Prob(A and B)}{Prob(A)}}
{A}の起こる確率(probability)が与えられたときの{B}の起こる確率(probability)は
{A}かつ{B}の起こる確率(probability)を{A}の起こる確率で除算したもの.
とかで覚えた.
→要修正
求めるなら
{P(A,B)}={P(A|B)P(B)}={P(B|A)P(A)=P(B,A)}から
{P(B|A)}={\frac{P(B,A)}{P(A)}}={\frac{P(A,B)}{P(A)}}={\frac{P(A|B)P(B)}{P(A)}}
と実はとても単純な定理

平均:{\mu}

連続分布
{\int_{-\infty}^{\infty} xf(x)}dx

離散分布:
{\sum^n_{i=1}x_iP(X=x_i)}

分散:{\sigma}^2

{{\sigma}^2=V[X]={\mu}[(x-{\mu}[x])^2]}

標準偏差:{\sigma}

{\sigma}={\sqrt[]{{\sigma}^2}}

共分散:{{\sigma}_{xy}}

{{\sigma}_{xy}={{\mu}[(x-{\mu}[x])(y-{\mu}[y])}]}

ガウス分布















最終更新:2008年09月22日 21:13