统计小站 | Kausiujik

「欢迎来到我的统计世界」

Bayes-Lec2.2 常见分布参数的后验分布计算（续）

Posterior Distribution of Parameters of Common Distribution

常见分布参数的后验分布计算（续）一类离散分布总体设离散随机变量 $X$ 的概率分布有下列形式： $f(x\mid\theta)=\mathbb P(X=x\mid\theta)=h(x)\theta^{b(x)}(1-\theta)^{d(x)},$ 其中 $b(x)$ 和 $d(x)$ 取值为非负整数。此类分布包含下列几个常见的分布：两点分布 $\text{Bern...

Posted by Watthu on September 21, 2022

Bayes-Lec2.1 贝叶斯统计推断基础

Basic Bayes Statistical Reference

基本概念贝叶斯统计推断中所有变量都是随机变量，一切参数推断应该基于其后验分布进行。定义(先验分布) 参数空间 $\Theta$ 上的任一概率分布都称作先验分布（prior distribution），常用 $\pi(\theta)$ 表示其 p.m.f.（离散性）或 p.d.f（连续型）。先验分布有许多选取方式，在本节中介绍几种重要的先验选取方式。无信息先验：对参...

Posted by Watthu on September 20, 2022

RL-Lec2.1 马尔可夫决策过程

Markov Decision Process

马尔可夫过程（Markov Process）称一个状态 $S_t$ 是马尔可夫的当且仅当 $\mathbb P(S_{t+1}\mid S_t)=\mathbb P(S_{t+1}\mid S_1,\dots,S_t),$ 换言之，当前状态已知时，未来的状态与过去的状态无关，我们完全可以抛弃过去的状态，即当前状态是未来状态的充分统计量。由此一个马尔可夫过程可以完全由状态转移概率...

Posted by Watthu on September 14, 2022

Bayes-Lec1 经典统计推断回顾

Review of Classical Statistics

概率及其解释概率的公理化定义概率起源于Fermat和Pascal研究赌博中的机会而发展起来的概率理论，是研究随机性的学科。Kolmogorov（1933）奠定了严格的数学公理化基础。记 $\Omega$ 为一个随机试验的样本空间，则一个概率测度 $\mathbb P$ 为满足以下条件的函数：对任意事件 $A\in\Omega$，$\mathbb P(A)\geq0$；...

Posted by Watthu on September 14, 2022

RL-Lec1 强化学习介绍

Introduction to Reinforcement Learning

强化学习背景机器学习主要分为监督学习、无监督学习和强化学习。监督学习（Supervised Learning）：对于有标签的数据进行学习，目的是能够正确判断无标签的数据。主要任务：分类（Classification）和回归（Regression）。无监督学习（Unsupervised Learning）：对于无标签的数据进行学习，目的是不仅能够解决有明确答案的问题，也可以...

Posted by Watthu on September 13, 2022

小站总访问量次