淺談期望的線性性（可加性） 感性理解一下 E(X+Y)=E(X)+E(Y) 即兩個（或多個）隨機變量的和的期望等於期望的和 理論解釋 如果不想看或者看不懂把規律記住 當然如果要理解透徹，那么就要練題 http://codeforces.com/problemset/problem ...

Gamma分布即為多個獨立且相同分布（iid）的指數分布變量的和的分布。 （最新修改，希望能夠行文布局更有邏輯） —————— 泊松過程—————— 指數分布和 泊松分布的關系十分密切，是統計學中應用極大的兩種分布。 其中 泊松過程是一個顯著應用。 泊松過程是一個 ...

今天的主角是指數分布，由此導出\(\Gamma\)分布，同樣，讀者應嘗試一邊閱讀，一邊獨立推導出本文的結論。由於本系列為我獨自完成的，缺少審閱，如果有任何錯誤，歡迎在評論區中指出，謝謝！ 目錄 Part 1：指數分布的參數估計 Part 2：獨立同分布指數分布之和 ...

二項分布跟正態分布有什么關系呢？這就是棣莫弗這人的主要成就之一啦，他1734年發表的一篇關於 二項分布文章中提出的，當二項隨機變數的位置參數n很大及形狀參數p為1/2時，則所推導出二項分布的近似分布函數就是正態分布。當然這個其實就是個極限問題，有興趣之后我們可以具體討論。但是這個結果確實 ...

在證明高斯-馬爾科夫隨機過程的性質的過程中，遇到了多元正態分布的條件分布的證明，百度發現條件分布的很多證明方法寫的極其麻煩，所以自己寫了一個。 實際上多元隨機變量的公式證明一般用矩陣的方法處理，這里就是采用這種方法，處理的結果非常好，證明過程很簡潔，給大家推薦。 推導的過程中，公式有可能有輸錯 ...

Gamma分布與共軛先驗 Gamma函數 對於整數\(n\)的階乘，我們有\(n!=n\times (n-1)...\times1\)。 對於實數\(x\)的階乘，計算公式為： \[\Gamma(x)=\int_0^\infty t^{x-1}e^{-t}\,dt \] 性質 ...

矩陣的一個重要作用是將空間中的點變換到另一個空間中。這個作用在國內的《線性代數》教學中基本沒有介紹。要能形像地理解這一作用，比較直觀的方法就是圖像變換，圖像變換的方法很多，單應性變換是其中一種方法，單應性變換會涉及到單應性矩陣。單應性變換的目標是通過給定的幾個點（通常是4對點）來得到單應性矩陣 ...

原帖地址：http://blog.csdn.net/mailang2008/article/details/5873883 對OpenCV中涉及的三種立體匹配算法進行代碼及各自優缺點總結： ...