4凸优化初步探究.pptVIP

*/85 泊松分布Poisson distribution 在实际事例中，当一个随机事件，以固定的平均瞬时速率λ（或称密度）随机且独立地出现时，那么这个事件在单位时间（面积或体积）内出现的次数或个数就近似地服从泊松分布P(λ)。因此,泊松分布在管理科学、运筹学以及自然科学的某些问题中都占有重要的地位。 某一服务设施在一定时间内到达的人数 电话交换机接到呼叫的次数 汽车站台的候客人数 机器出现的故障数 自然灾害发生的次数 一块产品上的缺陷数 显微镜下单位分区内的细菌分布数 某放射性物质单位时间发射出的粒子数 */85 泊松分布 */85 均匀分布 */85 指数分布 */85 指数分布 其中λ 0是分布的一个参数，常被称为率参数（rate parameter）。即每单位时间内发生某事件的次数。指数分布的区间是[0,∞)。 如果一个随机变量X呈指数分布，则可以写作：X~ Exponential（λ）。 指数分布可以用来表示独立随机事件发生的时间间隔，比如旅客进机场的时间间隔、软件更新的时间间隔等等。 许多电子产品的寿命分布一般服从指数分布。有的系统的寿命分布也可用指数分布来近似。它在可靠性研究中是最常用的一种分布形式。 */85 指数分布的无记忆性 指数函数的一个重要特征是无记忆性（遗失记忆性，Memoryless Property）。 如果一个随机变量呈指数分布，当s,t≥0时有P(Ts+t|Tt)=P(Ts)。即，如果T是某一元件的寿命，已知元件使用了t小时，它总共使用至少s+t小时的条件概率，与从开始使用时算起它使用至少s小时的概率相等。 */85 正态分布 */85 正态分布 */85 正态分布 */85 二元正态分布 */85 总结 */85 指数族 */85 指数族 指数族概念的目的，是为了说明广义线性模型Generalized Linear Models 凡是符合指数族分布的随机变量，都可以用GLM回归分析 */85 如：Bernoulli分布和高斯分布 */85 Bernoulli分布属于指数族 */85 强调 注意在推导过程中，出现了Logistic方程！ */85 Gaussian分布也属于指数族分布 */85 统计参数 均值（期望，一阶） 方差（二阶） 变异系数(Coefficient of Variation) 标准差与平均数的比值称为变异系数，记为C·V 偏度Skew（三阶） 峰度Kurtosis（四阶） */85 偏度 在机率论和统计学中，偏度衡量实数随机变量概率分布的不对称性。偏度的值可以为正，可以为负或者甚至是无法定义。在数量上，偏度为负（负偏态）就意味着在概率密度函数左侧的尾部比右侧的长，绝大多数的值（包括中位数在内）位于平均值的右侧。偏度为正（正偏态）就意味着在概率密度函数右侧的尾部比左侧的长，绝大多数的值（包括中位数在内）位于平均值的左侧。偏度为零就表示数值相对均匀地分布在平均值的两侧，但不一定意味着其为对称分布。 */85 偏度公式 其中μ3是三阶中心矩，σ是标准差。E是期望算子。等式的最后以三阶累积量与二阶累积量的1.5次方的比率来表示偏度。这和用四阶累积量除去二阶累积量的平方来表示峰度的方法向类似。 偏度有时用Skew[X]来表示。 */85 峰度 在更通常的情况下，峰度被定义为四阶累积量除以二阶累积量的平方，它等于四阶中心矩除以概率分布方差的平方再减去3： 也被称为超值峰度（excess kurtosis）。 “减3”是为了让正态分布的峰度为0。 如果超值峰度为正，称为尖峰态（leptokurtic），超值峰度为负，称为低峰态（platykurtic）。 */85 实践中的例子 */85 参考文献 Convex Optimization, Stephen Boyd,Lieven Vandenberghe, Cambridge University Press, 2004 Prof. Andrew Ng, Machine Learning, Stanford University /view/cead0018a76e58fafab0035e.html(凸优化) /view/998459.htm(概率密度函数) /view/79815.htm(泊松分布) /view/743082.htm(指数分布) */85 感谢大家！ 恳请大家批评指正！ 人有了知识，就会具备各种分析能力， 明辨是非的能力。 所以我们要勤恳读书，广泛阅读， 古人说“书中自有黄金屋。 ”通过阅读科技书籍，我们能丰富知识， 培养逻辑思维能力； 通过阅读文学作品，我们能提高文学鉴赏水平， 培养文学情趣； 通过阅读报刊，我们能增长见识，扩大自己的知识面。 有许多书籍还能培养我们的道德情