大家好，又见面了，我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。
Jetbrains全系列IDE稳定放心使用
一时忘了联合概率、边际概率、条件概率是怎么回事，回头看看。
某离散分布：
联合概率、边际概率、条件概率的关系：
其中，
Pr(X=x, Y=y)为“XY的联合概率”；
Pr(X=x)为“X的边际概率”；
Pr(X=x | Y=y)为“X基于Y的条件概率”；
Pr(Y=y)为“Y的边际概率”；
从上式子中可以看到：
Pr(X=x, Y=y) = Pr(X=x | Y=y) * Pr(Y=y)
即：“XY的联合概率”=“X基于Y的条件概率”乘以“Y的边际概率”
这个就是联合概率、边际概率、条件概率之间的转换计算公式。
前面表述的是离散分布，对于连续分布，也差不多。
只需要将“累加”换成“积分”。
参考：
https://en.wikipedia.org/wiki/Marginal_distribution
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/180486.html原文链接：https://javaforall.net
