更改
跳到导航
跳到搜索
←上一编辑
下一编辑→
Causality: Model, Reasoning, and Inference
(查看源代码)
2022年4月16日 (六) 20:37的版本
添加503字节
、
2022年4月16日 (六) 20:37
小
完成1.1
第27行:
第27行:
1.1.2 概率论中的基本概念 Basic Concepts in Probability Theory 2
1.1.2 概率论中的基本概念 Basic Concepts in Probability Theory 2
−
*
介绍有关概率论中离散变量的相关基础知识,并聚焦于贝叶斯推理的相关知识。
+
*
介绍有关概率论中离散变量的相关基础知识,并主要聚焦于贝叶斯推理。
−
1.1.3
Combining
Predictive and Diagnostic Supports 6
+
1.1.3
组合预测支持和诊断支持 【感觉翻译的不好,但又不知道怎么翻译的更好,只能直译】Combining
Predictive and Diagnostic Supports 6
1.1.4 随机变量与数学期望 Random Variables and Expectations 8
1.1.4 随机变量与数学期望 Random Variables and Expectations 8
+
+
* 介绍了随机变量的符号表示,单离散变量的数学期望,条件期望,函数期望,方差。
+
* 双变量的数学期望,相关系数,条件相关系数以及单连续变量的概率密度函数。
1.1.5 条件独立与Graphoid Conditional Independence and Graphoids 11
1.1.5 条件独立与Graphoid Conditional Independence and Graphoids 11
+
+
* 介绍了条件独立的定义以及5个性质,对称,消去,弱连接,合并与插入。
+
* 这些性质被称作graphoid公理,并给出了直观的解释。
'''1.2 图和概率 Graphs and Probabilities 12'''
'''1.2 图和概率 Graphs and Probabilities 12'''
Haojie
134
个编辑
导航菜单
个人工具
登录
名字空间
页面
讨论
变种
视图
阅读
查看源代码
查看历史
更多
搜索
导航
集智百科
集智主页
集智斑图
集智学园
最近更改
所有页面
帮助
工具
特殊页面
可打印版本