概率论对于我们学习机器学习，深度学习等理论，还是自然语言处理，计算机视觉等应用都是很有用的。概率论和其他线性代数，微积分等还是不太一样的，概率这样的问题，就是在我们生活中经常碰到并且使用的学科，很大众化。又因为我发现Coursera上竟然有如此好的概率课程，概率（Probability），台湾大学叶丙成老师，将理论与现实相结合，不再苦涩难懂，学了动手就能用上。所以我就打算系统学学概率论啦。大家如果感兴趣的可以去网上查查，个人感觉真的不错！
导读
目录：
1.概率概论
概率概论就是介绍下概率的本质是什么
2.集合论
集合论是概率论需要设计的学科，也需要简单介绍下
概率概论
概率例子：
-
丢铜板看到正面向上的概率是0.52
-
明天下雨的概率是60%
-
丢四颗筛子得到一色的概率为1/216
-
那么...椅子单脚站三天三夜的概率为？
椅子的问题确实存在，但是我们是不能用概率来算的，我们可以来看看这个报纸：
现在提出一个问题：概率=0.6是什么意思？
在回答这个你问题之前，我们先重新的搞懂下下面的问题：
距离=1.23公尺是什么意思？
时间=8.2秒是什么意思？
距离和时间有自己的定义，才能更好地进行建立在他们之上的一些人与人直接的沟通。
那么概率=0.6怎么定义呢？
我们可以用一个幸运之轮来定义
我们将这个幸运之轮的圆周长定为1，在轮盘边标记一个0.6长度的边
那么一个事情发生的概率=0.6就可以看成转动轮盘，X刚好停在该边上的概率是一样的。
为什么要研究概率呢？
-
我们对这个世界了解的太少，这世界上的运作还有很多是未知的。我们要用概率来帮我们来理解这个世界。
-
世间事不一定都是必然的（deterministic）
有很多事是有随机性的（random）
学习概率就是帮助我们掌握那些没有办法掌握的事情！
概率与统计的差异
概率：
概率模型已知，要学会算某些事情发生的概率
eg：比如已知一个公平的筛子，转到偶数的概率？
统计：
概率模型未知，要学会怎样从大量的实验中去建立概率模型。
eg：不知一个筛子灌铅否，但是已知出现每个点的概率，求该筛子？
集合论
集合论名词
元素（Element）
eg：小黑，小冀，小湘，小鄂，小美 （其中黑表示黑龙江人，美表示美国人）
集合（Set）
eg：喜欢吃咸豆腐脑 A = {小黑，小冀}
eg：喜欢吃甜豆腐脑 B = {小湘，小鄂}
子集合（Subset）
eg：不喜欢吃咸豆腐脑 C = {小湘，小鄂，小美}
那么B就是C的一个子集合
全集（Universal Set）
eg：S = {小黑，小冀，小湘，小鄂，小美}
空集合（Empty Set）
eg：O = {}
交集（Intersection）
eg：喜欢甜豆腐脑和喜欢咸豆腐脑者
并集（Union）
eg：喜欢甜豆腐脑或喜欢咸豆腐脑者
补集（Complement）
eg：讨厌咸的 C = 喜欢咸的 A的补集
数学符号为：
差集（Difference）
X-Y = {有在X但不在Y的东西}
eg：讨厌咸的 - 喜欢甜的 = {美}
不相交（Disjoint）
既喜欢甜的又喜欢咸的 = {}
表示这俩不相交
互斥（Mutually Exclusive）
如果集合X1，X2，X3...Xn中任意两个Xi，Xj都不想交，那么我们称X1，X2，X3...Xn互斥。
eg：喜欢甜的，喜欢咸的，小美 互不相交，故三者相斥。
定理：
比如一个图：
推理得：
证明：
正推
逆推
图片来自概率论视频 叶丙成
更多精彩内容，请关注 深度学习自然语言处理 公众号，就是下方啦！跟随小博主，每天进步一丢丢！哈哈！
标签：小美,概率,eg,豆腐脑,集合论,喜欢,概率论,概论 来源： https://blog.csdn.net/qq_27590277/article/details/88369857
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。