目录

本福特定律 

公路堵车概率模型 

概率公式

遇到因果颠倒的类型选择贝叶斯公式

和数数量有关的一般建模为泊松分布

 指数分布的无记忆性

事件的独立性​编辑

期望 

 期望的性质​编辑

方差​编辑

协方差​编辑 

协方差和独立、不相关​编辑 

协方差的意义​编辑

切比雪夫不等式​编辑

大数定理​编辑

 伯努利定理​编辑

中心极限定理及CLT实验​编辑

最大似然估计​编辑

二项分布的最大似然估计​编辑

最大似然估计与过拟合​编辑

本福特定律 

公路堵车概率模型 

概率公式

遇到因果颠倒的类型选择贝叶斯公式

和数数量有关的一般建模为泊松分布

 指数分布的无记忆性

事件的独立性

期望 

 期望的性质

方差

协方差 

协方差和独立、不相关 

协方差的意义

切比雪夫不等式

大数定理

 伯努利定理

中心极限定理及CLT实验

代码

import numpy as np
import matplotlib.pyplot as plt

if __name__ =='__main__':
    u = np.random.uniform(0.0,1.0,10000)
    plt.hist(u,80,facecolor='g',alpha=0.75)
    plt.grid(True)
    plt.show()

    times = 10000
    for time in range(times):
        u += np.random.uniform(0.0,1.0,10000)
    print(len(u))
    u /= times
    print(len(u))
    plt.hist(u,80,facecolor='g',alpha=0.75)
    plt.grid(True)
    plt.show()

最大似然估计

二项分布的最大似然估计

最大似然估计与过拟合