《计算机视觉：模型、学习和推理》——2.2　联合概率

本节书摘来自华章计算机《计算机视觉：模型、学习和推理》一书中的第2章，第2.2节,作者：（英）普林斯（Prince，J. D.）著， 更多章节内容可以访问云栖社区“华章计算机”公众号查看。

2.2 联合概率

假设两个随机变量x和y。若观察x和y的多个成对实例，结果中某些组合出现得较为频繁。这样的情况用x和y的联合概率分布表示，记作Pr(x,y)。在Pr(x,y)中的逗号可以理解为“和”，所以Pr(x,y)是x和y的概率。一个联合概率分布中的相关变量可能全是离散变量，或全是连续变量，抑或是兼而有之（见图2-3）。不管怎样，所有结果的概率之和（离散变量的总和与连续变量的积分）总是1。

图2-3 变量x和y的联合概率分布。a～c） 两个连续变量的概率密度函数分别呈现为曲面图、等值线图和图像。d） 表示两个离散变量联合概率分布的二维Hinton图。e） 表示连续变量x和离散变量y的联合概率分布。f） 表示离散变量x与连续变量y的联合概率分布
一般来说，与二元变量的概率分布相比，我们会对多元变量的联合概率分布更感兴趣。我们将Pr(x,y,z)记为标量变量x、y和z的联合概率分布，也可以把Pr(x)当成所有多维元素x=［x1,x2,…,xk］T的联合概率。最后，我们用Pr(x,y)表示所有多维变量x、y的联合概率分布。

《计算机视觉：模型、学习和推理》一3.3分类分布 本节书摘来华章计算机《计算机视觉：模型、学习和推理》一书中的第3章 ，第3.3节， ［英］西蒙J. D. 普林斯（Simon J. D. Prince）著苗启广 刘凯 孔韦韦 许鹏飞 译 译更多章节内容可以访问云栖社区“华章计算机”公众号查看。
《计算机视觉：模型、学习和推理》一导读 计算机视觉是一门工程学科，机器在现实世界中捕获的视觉信息可以激发我们的积极性。因此，我们通过使用计算机视觉解决现实问题来对我们的知识进行分类。
《计算机视觉：模型、学习和推理》一3.8 正态逆维希特分布 本节书摘来华章计算机《计算机视觉：模型、学习和推理》一书中的第3章 ，第3.8节， ［英］西蒙J. D. 普林斯（Simon J. D. Prince）著苗启广 刘凯 孔韦韦 许鹏飞 译 译更多章节内容可以访问云栖社区“华章计算机”公众号查看。
《计算机视觉：模型、学习和推理》一3.6 正态逆伽马分布 本节书摘来华章计算机《计算机视觉：模型、学习和推理》一书中的第3章 ，第3.6节， ［英］西蒙J. D. 普林斯（Simon J. D. Prince）著苗启广 刘凯 孔韦韦 许鹏飞 译 译更多章节内容可以访问云栖社区“华章计算机”公众号查看。
《计算机视觉：模型、学习和推理》一2.5 贝叶斯公式 本节书摘来华章计算机《计算机视觉：模型、学习和推理》一书中的第2章 ，第2.5节， ［英］西蒙J. D. 普林斯（Simon J. D. Prince）著苗启广 刘凯 孔韦韦 许鹏飞 译 译更多章节内容可以访问云栖社区“华章计算机”公众号查看。
《计算机视觉：模型、学习和推理》一第3章 总结 本节书摘来华章计算机《计算机视觉：模型、学习和推理》一书中的第3章 ， ［英］西蒙J. D. 普林斯（Simon J. D. Prince）著苗启广 刘凯 孔韦韦 许鹏飞 译 译更多章节内容可以访问云栖社区“华章计算机”公众号查看。
《计算机视觉：模型、学习和推理》一3.7 多元正态分布 本节书摘来华章计算机《计算机视觉：模型、学习和推理》一书中的第3章 ，第3.7节， ［英］西蒙J. D. 普林斯（Simon J. D. Prince）著苗启广 刘凯 孔韦韦 许鹏飞 译 译更多章节内容可以访问云栖社区“华章计算机”公众号查看。
《计算机视觉：模型、学习和推理》一3.4 狄利克雷分布 本节书摘来华章计算机《计算机视觉：模型、学习和推理》一书中的第3章 ，第3.4节， ［英］西蒙J. D. 普林斯（Simon J. D. Prince）著苗启广 刘凯 孔韦韦 许鹏飞 译 译更多章节内容可以访问云栖社区“华章计算机”公众号查看。
《计算机视觉：模型、学习和推理》一3.2 贝塔分布 本节书摘来华章计算机《计算机视觉：模型、学习和推理》一书中的第3章 ，第3.2节， ［英］西蒙J. D. 普林斯（Simon J. D. Prince）著苗启广 刘凯 孔韦韦 许鹏飞 译 译更多章节内容可以访问云栖社区“华章计算机”公众号查看。
《计算机视觉：模型、学习和推理》一2.7 期望 本节书摘来华章计算机《计算机视觉：模型、学习和推理》一书中的第2章 ，第2.7节， ［英］西蒙J. D. 普林斯（Simon J. D. Prince）著苗启广 刘凯 孔韦韦 许鹏飞 译 译更多章节内容可以访问云栖社区“华章计算机”公众号查看。