浅谈期望的线性性（可加性） 感性理解一下 E(X+Y)=E(X)+E(Y) 即两个（或多个）随机变量的和的期望等于期望的和 理论解释 如果不想看或者看不懂把规律记住 当然如果要理解透彻，那么就要练题 http://codeforces.com/problemset/problem ...

Gamma分布即为多个独立且相同分布（iid）的指数分布变量的和的分布。 （最新修改，希望能够行文布局更有逻辑） —————— 泊松过程—————— 指数分布和 泊松分布的关系十分密切，是统计学中应用极大的两种分布。 其中 泊松过程是一个显著应用。 泊松过程是一个 ...

今天的主角是指数分布，由此导出\(\Gamma\)分布，同样，读者应尝试一边阅读，一边独立推导出本文的结论。由于本系列为我独自完成的，缺少审阅，如果有任何错误，欢迎在评论区中指出，谢谢！ 目录 Part 1：指数分布的参数估计 Part 2：独立同分布指数分布之和 ...

二项分布跟正态分布有什么关系呢？这就是棣莫弗这人的主要成就之一啦，他1734年发表的一篇关于 二项分布文章中提出的，当二项随机变数的位置参数n很大及形状参数p为1/2时，则所推导出二项分布的近似分布函数就是正态分布。当然这个其实就是个极限问题，有兴趣之后我们可以具体讨论。但是这个结果确实 ...

在证明高斯-马尔科夫随机过程的性质的过程中，遇到了多元正态分布的条件分布的证明，百度发现条件分布的很多证明方法写的极其麻烦，所以自己写了一个。 实际上多元随机变量的公式证明一般用矩阵的方法处理，这里就是采用这种方法，处理的结果非常好，证明过程很简洁，给大家推荐。 推导的过程中，公式有可能有输错 ...

Gamma分布与共轭先验 Gamma函数 对于整数\(n\)的阶乘，我们有\(n!=n\times (n-1)...\times1\)。 对于实数\(x\)的阶乘，计算公式为： \[\Gamma(x)=\int_0^\infty t^{x-1}e^{-t}\,dt \] 性质 ...

矩阵的一个重要作用是将空间中的点变换到另一个空间中。这个作用在国内的《线性代数》教学中基本没有介绍。要能形像地理解这一作用，比较直观的方法就是图像变换，图像变换的方法很多，单应性变换是其中一种方法，单应性变换会涉及到单应性矩阵。单应性变换的目标是通过给定的几个点（通常是4对点）来得到单应性矩阵 ...

原帖地址：http://blog.csdn.net/mailang2008/article/details/5873883 对OpenCV中涉及的三种立体匹配算法进行代码及各自优缺点总结： ...