比浏览器更快的访问！
16 关系: 偏度，双伽玛函数，合流超几何函数，峰度，众数，矩，累积分布函数，相对熵，联合熵，Β函数，Γ函数，概率分布，概率论，機率密度函數，期望值，方差。
偏度
在機率論和統計學中，偏度衡量實數隨機變量概率分布的不對稱性。偏度的值可以為正，可以為負或者甚至是無法定義。在數量上，偏度為負（負偏態）就意味着在概率密度函數左側的尾部比右側的長，絕大多數的值（包括中位數在內）位於平均值的右側。偏度為正（正偏態）就意味着在概率密度函數右側的尾部比左側的長，絕大多數的值（但不一定包括中位數）位於平均值的左側。偏度為零就表示數值相對均勻地分布在平均值的兩側，但不一定意味着其為對稱分布。.
双伽玛函数
双伽玛函数是伽玛函数的对数导数。 它是第一个多伽玛函数。.
合流超几何函数
在特殊函数中，合流超几何函数（confluent hypergeometric function）定义为合流超几何方程的解。它是高斯超几何函数的极限情形，相当于超几何方程中的两个正则奇点 1 和 ∞ 合流为一个非正则奇点 ∞，因而得名。 根据所选择的参变量与宗量的不同，合流超几何函数有多种标准形式，常见的有：.
新！!: Β分布和合流超几何函数 · 查看更多 »
峰度
在統計學中，峰度（Kurtosis）衡量實數隨機變量概率分布的峰態。峰度高就意味著方差增大是由低頻度的大於或小於平均值的極端差值引起的。.
众数
众数可以指：.
矩
矩有下列意義：.
累积分布函数
累积分布函数，又叫分布函数，是概率密度函數的积分，能完整描述一個實随机变量X的概率分佈。一般以大寫“CDF”（Cumulative Distribution Function）标记。 對於所有實數x ，累积分布函数定義如下：.
新！!: Β分布和累积分布函数 · 查看更多 »
相对熵
对熵（relative entropy）又称为KL散度（Kullback–Leibler divergence，簡稱KLD），信息散度（information divergence），信息增益（information gain）。 KL散度是两个概率分布P和Q差别的非对称性的度量。 KL散度是用来 度量使用基于Q的编码来编码来自P的样本平均所需的额外的位元数。 典型情况下，P表示数据的真实分布，Q表示数据的理论分布，模型分布，或P的近似分布。.
联合熵
联合熵是一集变量之间不确定性的衡量手段。.
Β函数
Β函数，又称为贝塔函数或第一类欧拉积分，是一个特殊函数，由下式定义： \! 其中\textrm(x), \textrm(y) > 0\,。.
Γ函数
\Gamma \,函数，也叫做伽瑪函數（Gamma函数），是階乘函數在實數與複數上的擴展。對於實數部份為正的複數z，伽瑪函數定義為： 此定義可以用解析開拓原理拓展到整個複數域上，非正整數外。 如果z為正整數，則伽瑪函數定義為： 這顯示了它與階乘函數的聯繫。可見，伽瑪函數將n!拓展到了實數與複數域上。 在概率論中常見此函數，在組合數學中也常見。.
概率分布
概率分布（Wahrscheinlichkeitsverteilung，probability distribution）或簡稱分布，是概率論的一個概念。使用時可以有以下兩種含義：.
概率论
概率论（Probability theory）是集中研究概率及随机现象的数学分支，是研究隨機性或不確定性等現象的數學。概率论主要研究对象为随机事件、随机变量以及随机过程。对于随机事件是不可能准确预测其结果的，然而对于一系列的独立随机事件——例如掷骰子、扔硬币、抽扑克牌以及輪盤等，会呈现出一定的、可以被用于研究及预测的规律，两个用来描述这些规律的最具代表性的数学结论分别是大数定律和中心极限定理。 作为统计学的数学基础，概率论对诸多涉及大量数据定量分析的人类活动极为重要，概率论的方法同样适用于其他方面，例如是对只知道系统部分状态的复杂系统的描述——统计力学，而二十世纪物理学的重大发现是以量子力学所描述的原子尺度上物理现象的概率本质。 數學家和精算師認為概率是在0至1閉區間内的數字，指定給一發生與失敗是隨機的「事件」。概率P(A)根據概率公理來指定給事件A。 一事件A在一事件B確定發生後會發生的概率稱為B給之A的條件概率；其數值為。若B給之A的條件概率和A的概率相同時，則稱A和B為獨立事件。且A和B的此一關係為對稱的，這可以由一同價敘述：「當A和B為獨立事件時，P(A \cap B).
機率密度函數
在数学中，连续型随机变量的概率密度函數（在不至于混淆时可以简称为密度函数）是一个描述这个随机变量的输出值，在某个确定的取值点附近的可能性的函数。圖中，橫軸為隨機變量的取值，縱軸為概率密度函數的值，而随机变量的取值落在某个区域内的概率為概率密度函数在这个区域上的积分。当概率密度函数存在的时候，累積分佈函數是概率密度函数的积分。概率密度函数一般以大写“PDF”（Probability Density Function）標记。 概率密度函数有时也被称为概率分布函数，但这种称法可能会和累积分布函数或概率质量函数混淆。.
新！!: Β分布和機率密度函數 · 查看更多 »
期望值
在概率论和统计学中，一个离散性随机变量的期望值（或数学期望、或均值，亦简称期望，物理学中称为期待值）是试验中每次可能的结果乘以其结果概率的总和。换句话说，期望值像是随机试验在同样的机会下重复多次，所有那些可能狀態平均的结果，便基本上等同“期望值”所期望的數。需要注意的是，期望值并不一定等同于常识中的“期望”——“期望值”也许与每一个结果都不相等。（换句话说，期望值是该变量输出值的平均数。期望值并不一定包含于变量的输出值集合裡。） 例如，掷一枚公平的六面骰子，其每次「點數」的期望值是3.5，计算如下： \operatorname(X)&.
方差
方差（Variance），應用數學裡的專有名詞。在概率论和统计学中，一个随机变量的方差描述的是它的离散程度，也就是该变量离其期望值的距离。一个实随机变量的方差也称为它的二阶矩或二階中心動差，恰巧也是它的二阶累积量。這裡把複雜說白了，就是將各個誤差將之平方（而非取絕對值，使之肯定為正數），相加之後再除以總數，透過這樣的方式來算出各個數據分佈、零散（相對中心點）的程度。繼續延伸的話，方差的算术平方根称为该随机变量的标准差（此為相對各個數據點間）。.
