数学知识——概率统计（4）：多元随机变量

墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 400+累计阅读 481平均单平台已同步平台优快云微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网我也要 → 码龄9年

关注

原创最新推荐文章于 2026-06-16 12:19:11 发布 481 阅读 AI 写同款· GEO 优化 ›

机器学习中的数学：概率统计内容亮点详解 6 大核心板块：概率思想、随机变量、统计推断、随机过程、采样理论、概率模型，筑牢机器学习核心基础。教你熟练使用 Python 工具库：依托 NumPy、SciPy、Matplotlib、Pandas 工具，无缝对接工程实践。有理论还有实战：大量实战案例与完整详细源码，反复加深概率统计思想的深刻理解。为什么要学习概率统计？机器学习是一个综合性强、知识栈长的学科，需要大量的... 阅读详情

联合概率

边缘概率

条件概率

独立和相关

参考：

概率论07 联合分布

收录于

数学知识

当前文章被收录于：

数学知识

19 篇文章 3 人学习

订阅专栏查看详情

当前文章被以下社区和专栏收录：

机器学习中的概率统计有人说了，机器学习的算法涉及到大量的数学基础内容，那么我很想好好学习数学，为后面的算法学习做好准备。果然很有眼光啊，那么这一篇文章我们来仔细讲讲机器学习中所涉及到的数学知识吧。可以这么说：机器学习的数学基础主要萌发于三门课程，高等数学、线性代数和概率统计。其中又以后两者更为居多。感觉像是没说，我记得大学本科里咱们主要就是学了这三门数学课，考试也通过了，按理来说我们应该已经筑牢了基... 阅读详情

相关推荐

多元随机变量：独立与相关

在多元随机变量中，我们可以研究它们之间的关系，特别是独立性和相关性。综上所述，独立性和相关性是多元随机变量之间关系的两个重要概念。在概率论中，多元随机变量X和Y被称为独立的，如果它们的联合概率分布可以通过各自的边缘概率分布的乘积来表示。换句话说，对于任意的X和Y的取值，其联合概率等于各自的边缘概率的乘积。如果存在一种关系使得X的取值与Y的取值之间存在一定的关联或依赖，我们称X和Y是相关的。除了皮尔逊相关系数，还有其他一些衡量相关性的方法，例如斯皮尔曼相关系数和肯德尔相关系数，它们适用于非线性关系的情况。

DkVhdl的博客 575

概率论之多元随机变量及其分布

1.多元随机变量 在实际问题中，有一些实验的结果需要同时用两个或两个以上的随机变量来描述。设n元随机变量X(ω)=(X1(ω),X2(ω),...,Xn(ω))，简记为X=(X1,X2,...,Xn)X(\omega)=(X_1(\omega),X_2(\omega),...,X_n(\omega))，简记为X=(X_1,X_2,...,X_n)X(ω)=(X1(ω),X2(ω),...,X...

赵子的博客 3851

基于mediapipe的动作捕捉和unity的人物模型驱动

用到的人体关键点检测的算法是Google开发的基于深度学习的实时多媒体套件，汇集了人体、手部、人脸关键点追踪、物体检测、物体识别等多个流行的视觉任务的成果。整套 Mediapipe正如其名字，专门为便携设备上的多媒体应用设计，模型非常小，在笔记本手机上也能实时跑，跨平台、跨语言。mediapipe实时性是没什么问题。但是是以牺牲了质量为代价的，这种关键点检测一般是用来做动作识别，类似于运动app跳绳计数、判定瑜伽动作标不标准这种。用单目视觉来做人物模型的驱动，总差点意思。

qq_58484580的博客 5727

漫步数理统计二十——多元随机变量

两个随机变量的概念立即可以扩展到nn个随机变量，下面就是nn个随机变量空间的定义。定义1：\textbf{定义1：}考虑一个随机试验，其样本空间为C\textbf{C}，随机变量XiX_i给每个元素c∈Cc\in\textbf{C}只分配一个值Xi(c)=xi,i=1,2,…,nX_i(c)=x_i,i=1,2,\ldots,n，我们说(X1,…,Xn)(X_1,\ldots,X_n) 是一个nn维

蜗牛 3059

GD32F303 ADC+DMA实战：用硬件过采样搞定多通道数据采集（附完整代码）

本文详细介绍了GD32F303系列MCU通过ADC+DMA结合硬件过采样技术实现多通道数据采集的实战方案。从硬件设计要点到软件配置全解析，包括时钟树配置、ADC模块初始化和DMA传输设置，提供了完整的代码示例和优化技巧，帮助工程师构建高精度、低功耗的数据采集系统。

weixin_30466039的博客 318

CUPED (Controlled-experiment using Pre-Experiment Data) 论文学习笔记

CUPED是一种用于提升A/B测试灵敏度的方差缩减技术。它通过利用实验前用户行为数据（协变量X）构建调整后的指标Y_cuped=Y-θ(X-E[X])，其中θ=Cov(Y,X)/Var(X)。这种方法能在保持处理效应估计无偏的前提下，将方差降低1-ρ²倍（ρ为前后指标相关性）。CUPED的核心优势在于：不改变平均处理效应的估计，但能显著提升统计功效，使得实验更容易检测到微小但真实的效应，同时减少所需样本量或实验周期。该技术特别适用于用户异质性大、指标方差高的场景。

pursuit的博客 2145

多元相关随机变量的生成

如何生成有相关性的多元正太分布随机变量？

BeiErGeLaiDe的博客 3491

Silvaco TCAD | 从极化效应到高频开关：GaN HEMT仿真设计与性能验证

本文深入探讨了使用Silvaco TCAD进行GaN HEMT仿真设计与性能验证的关键技术。从极化效应到高频开关特性，详细解析了2DEG形成机制、器件结构设计优化及高频特性仿真技巧，帮助工程师提升GaN HEMT的性能与可靠性。通过实战案例展示了如何通过仿真优化击穿电压和导通电阻，实现开关品质因数的显著提升。

weixin_30872337的博客 484

概率论笔记（五）随机向量/多元随机变量

文章目录一：联合分布1.1联合分布函数1.2二维离散型随机向量及其联合分布列1.3二维连续型随机向量及其联合密度函数二：边缘分布与随机变量的独立性2.1边缘分布2.2随机变量的独立性2.3两个随机变量下的函数的分布2.3.1离散型2.3.2连续型一：联合分布引入： 1.1联合分布函数注：相比于一维的分布函数，其增加了一维空间，成了二维空间，测试整体的二维空间变成了整体的1；之后同样是概率的累计。 1.2二维离散型随机向量及其联合分布列 1.3二维连续型随机向量及其联合密度函数性

qq_37534947的博客 1316

注册“Oracle Provider for OLE DB”和创建链接服务器在sql server 数据库上创建链接服务器，连接oracle数据库，访问接口需要设置为：“Oracle Provider for OLE DB”。如果电脑上没有这个驱动，安装一个完整的Oracle11gR2程序是一个有效的方法，但这个64位版本的安装包有2个多G，相当庞大，如果仅仅...

weixin_30760895的博客 2384

告别调试烦恼：用Lattice Diamond手把手教你JTAG烧录FPGA（附SRAM/Flash模式详解）

本文详细介绍了使用Lattice Diamond软件进行JTAG烧录FPGA的全流程，包括SRAM临时调试和Flash固化的核心区别。从环境准备、硬件连接到文件准备、烧录模式选择，再到典型问题排查和高级技巧，手把手教你快速掌握FPGA烧录技术，提升开发效率。

weixin_42569329的博客 495

数学知识——概率统计（3）：随机变量

目录写在前面起源与发展概率基本计数原理本质1. 随机变量(random variable)1.1 随机变量1.2 随机变量三要素2.分类2.1 离散型随机变量2.2 随机变量三要素（离散）：1. 随机变量的取值2. 试验中每个对应取值的概率3. 随机变量的统计特征和度量方法2.2 连续型随机变量随机变量三要素（连续）：1. 随机变量的取值2. 试验中每个对应取值的概3. 随机变量的统计特征和度量方...

Robin_Pi的博客 7072

matlab 点云泊松盘采样

本文介绍了泊松盘采样算法在三维点云处理中的应用。该算法通过最小间距约束（任意两点距离≥r）和均匀分布特性，生成高质量、均匀分布的点集。文章详细阐述了参数设置（如采样半径、候选点数），并与体素栅格、随机采样等方法进行了对比。代码实现部分展示了MATLAB版本的泊松盘采样算法，包括KD树加速和候选点生成机制。实验结果表明，该方法能有效保持点云特征，适用于点云简化、曲面重建等场景。文中还提供了参数调整建议和不同应用场景下的使用指导。

点云侠的博客 537

茆诗松概率论与数理统计持续更新中...

茆诗松概率论与梳理统计教程学习心得分享第一章随机事件及其概率概率的定义及其确定方法确定概率的古典方法排列组合公式重复排列重复组合可辨球与不可辨球（盒子模型）抽样模型先分类再组合模型第一章随机事件及其概率概率的定义及其确定方法 1933年苏联数学家提出了概率公理化的定义。/概率公理化的定义理解起来比较抽象，但体现了数学的严谨，因为这个定义可以概括一切随机现象的特性。确定概率的古典方法古典概型是一个难点，本身的概念不难理解，但是会变出很多花样。排列:最简单，根据乘法原理可以得到结果重复排列：较为

Carrie998的博客 8134

【WorkBuddy专栏25】如何选择大模型——积分消耗、用途场景、选型决策全指南

AI人人懂 936

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

概率论由相关性求数学期望和方差的公式_数学基础|必备数学知识三：概率论和数理统计...

数据科学需要一定的数学基础，但仅仅做应用的话，如果时间不多，不用学太深，了解基本公式即可，可以等遇到问题再深入学习。下面是常见的一些数学基础概念，建议大家收藏后再仔细阅读，遇到不懂的概念可以直接在这里查~如果显示不全，请移步公众号查看数学基础|必备数学知识一：高等数学数学基础|必备数学知识二：线性代数概率论和数理统计目录：一、随机事件和概率二、随机变量及其概率分布三...

weixin_34254083的博客 6351

锂电池充电器电路设计里面有电路

锂电池充电器电路设计里面有电路 3.7V升压到5V电路设计。

数学知识——概率统计（1）从接近“本质”的地方看概率统计

目录写在前面本质理解详细概念总结框架写在前面人人都说”概率统计“，为什么不是”统计概率“？概率论与统计学的关系又是什么？一直以来对统计与概率学的理解不是很深，借此做一个小结。本质理解方式：由里及表（从目的出发）我们想通过随机变量的概率分布来掌握它的随机特性，从而进行预测。过程：想对随机变量进行预测—— （为了预测）需要找到其概率分布—— （为了找到”概率分布“）需要试验并记录——...

Robin_Pi的博客 1206

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等，可在创建的窗口进行控制

IEM模型，地表粗糙度模拟

利用微波反演土壤水分时候，利用IEM模型可以实现对随机地表的模拟

19 | 概率和统计：编程为什么需要概率和统计？

通过第一个模块的学习，我想你对离散数学在编程领域中的应用，已经有了比较全面的认识。可以看出来，数据结构和基础算法体现的大多数都是离散数学的思想。这些思想更多的时候是给我们提供一种解决问题的思路，在具体指导我们解决问题的时候，我们还需要更多的数学知识。比如说，在机器学习、数据挖掘等领域，概率统计就发挥着至关重要的作用。那关于概率统计，我们需要掌握哪些知识呢？这些知识究竟可以用在什么地方呢？第二模块的第一节，我们就来聊聊这些问题，让你对这一模块的学习做到心中有数。

qq_37756660的博客 1317

概率和统计：编程为什么需要概率和统计？

你好，我是程序员贵哥。通过第一个模块的学习，我想你对离散数学在编程领域中的应用，已经有了比较全面的认识。可以看出来，数据结构和基础算法体现的大多数都是离散数学的思想。这些思想更多的时候是给我们提供一种解决问题的思路，在具体指导我们解决问题的时候，我们还需要更多的数学知识。比如说，在机器学习、数据挖掘等领域，概率统计就发挥着至关重要的作用。那关于概率统计，我们需要掌握哪些知识呢？这些知识究竟可以用在什么地方呢？第二模块的第一节，我们就来聊聊这些问题，让你对这一模块的学习做到心中有数。

qq_33240556的博客 936

数学知识——概率统计（5）：单变量统计量：期望和方差

目录描述量期望：分布的中心位置方差：分布的离散程度方差标准差参考描述量统计学家将全面的概率分布信息量投射到某几个量上，来代表随机变量的主要特征，从而掌握该随机变量的主要“性能”。这样的一些量称为随机变量的描述量(descriptor)。比如期望用于表示分布的中心位置，方差用于表示分布的分散程度等等。这些描述量可以迅速的传递其概率分布的一些主要信息，允许我们在深入研究之前，先对其特征有一个大概...

Robin_Pi的博客 2376

深度学习-必备的数学知识-概率论4

# 深度学习 ## 必备的数学知识 ### 概率论我们将接着上一篇文章继续讲解。在接下来的文章中，将会把随机变量本身写作大写字母，随机变量的值写作小写字母。 #### 期望、方差和协方差期望（expectation）是指随机变量X所有可能取值的平均或期望值。期望可以看作随机变量的中心或平均位置。换句话说期望是随机变量可能取值的加权平均，权重就是每个值的概率。对于离散型随机变量，其期望$\mathbb{E}[X]$定义为 $$ \mathbb{E}[X]=\sum_{x} xP(X) $$

占的时间一味愚的博客 1676

人工智能要学习哪些数学知识?

近些年，随着人工智能的又一次崛起，越来越多的人选择加入人工智能的学习行列。在学习人工智能的时候，我们首先需要学习和掌握一定的数学知识。可能会有人问了，人工智能要学习哪些数学知识呢?大致来讲就是三大核心知识，即高等数学基础、线性代数以及概率与统计。下面我们一起来看看具体的学习内容~人工智能要学习哪些数学知识?核心知识一：高等数学基础这一部分需要掌握的数学知识点有函数、极限、无穷、导数、梯度。此外微积分也是学习的一大重点，包括微积分基本想法、解释、定积分等等，总之，如果你想理解神经网络的训练过程，离不开多元微分

卡莎的博客 4940

概率论与数理统计---分布函数

前言前言部分讲了为什么使用优快云记录数学笔记和为什么要学《概率论与数理统计》的原因，和实际学习内容没有关系。之前学线性代数的时候写的笔记都在纸质的笔记本上，在纸质上面想查询比较麻烦，只能一页一页翻。现在想记在电脑上，后续如果想看纸质的还可以打印出来，所以后来在word上记过一段时间,word里的数学公式编辑器虽然好用，但是使用鼠标点起来太累。后来想用Letex，Letex编辑公式的确好用...

终身学习的程序猿 1万+

机器学习中的数学(五)--概率统计

写在前面《机器学习中的数学》系列主要列举了在机器学习中用到的较多的数学知识，包括微积分，线性代数，概率统计，信息论以及凸优化等等。本系列重在描述基本概念，并不在应用的方面的做深入的探讨，如果想更深的了解某一方面的知识，请自行查找研究。 1. 随机变量 随机变量可以地取不同值的。我们通常用小写字母来表示随机变量本身，而用带数字下标的小写母来表能够取到的值。例如， x1和x...

魔法师の屋子★↓☆ 5005

机器学习中用到的概率知识_机器学习中的概率统计

【妹子说】有人说了，机器学习的算法涉及到大量的数学基础内容，那么我很想好好学习数学，为后面的算法学习做好准备。果然很有眼光啊，那么这一篇文章我们来仔细讲讲机器学习中所涉及到的数学知识吧。可以这么说：机器学习的数学基础主要萌发于三门课程，高等数学、线性代数和概率统计。其中又以后两者更为居多。【妹子说】感觉像是没说，我记得大学本科里咱们主要就是学了这三门数学课，考试也通过了，按理来说我们应该已经筑牢了...

weixin_39980360的博客 196

数学知识——概率统计（2）：一文快速了解入门知识与框架

0. 写在前面概率统计第二篇，作为补充。主要依据框架记录一下相关的具体概念。概率统计（1） 1. 本质概率学 | 概率分布 | 统计学通过随机变量的概率分布可以掌握它的随机特性，从而对它进行预测。而概率分布的获得需要进行试验（抽样）并进行数据记录（统计量）。因此，可以说概率分布是连接概率论和统计学的至关重要的桥梁。 2. 内容 2.1 统计量 2.1.1 集中趋势的度量—— 平均数注意...