AI基础认知 1.核心定义 联合概率指的是两个或多个事件同时发生的概率,它描述的是这些事件组合在一起出现的可能性，记法：通常用逗号分隔事件，事件 A 和事件 B 同时发生的概率记为：P(A and B P(A ∩ B （∩ 表示... 星博讯 2026-04-09 59 #物物互联 #智能网络
AI基础认知 在概率论与统计学中，边缘分布 是一个非常核心且基础的概念，它描述的是在多元随机变量的联合分布中，只关心其中一部分变量的概率分布 就是把“多变量”问题简化成“单变量”或“更少变量”问题，核心思想：“边缘化”理解边缘分布的关键在于理解 “边缘化” 这个操作，它是指通过对联合分布中不关心的变量进行求和（离散型）或积分（连续型）来“消... 星博讯 2026-04-09 46 #边缘分布 #联合分布
AI基础认知 条件独立性是概率论和统计学中的重要概念，指在给定某个事件或随机变量的条件下，两个事件或随机变量相互独立 定义对于事件：事件 (A 和 (B 在给定事件 (C 的条件下独立，如果满足：[P(A \cap B \mid C = P(A \mid C P(B \mid C ]等价地，当 (P(B \... 星博讯 2026-04-09 63 #条件独立性 #相互独立
AI基础认知 一、核心思想与目标 因果推断是一套科学和方法论的框架，旨在回答“…那么会怎样？”这类问题，它的终极目标是识别和量化原因对结果产生的净效应,而不仅仅是描述数据之间的关联，关联 vs. 因果：这是因果推断的起点，统计学和机器... 星博讯 2026-04-09 56 #思想 #目标
AI基础认知 相关性与因果性是统计学和数据分析中的两个基本概念，它们经常被混淆，但有本质区别 相关性定义：指两个或多个变量之间存在的统计关联，当一个变量发生变化时,另一个变量也倾向于以某种可预测的方式变化，度量：常用相关系数（如皮尔逊相关系数）衡量，取值范围从-1到1，正值表示正相关（同向变化... 星博讯 2026-04-09 54 #相关性 #因果性
AI基础认知 核心理念，AI 既是 工具，也是 对象 作为工具：AI 帮助人类更高效、更智能地设计和分析实验，作为对象：AI 模型和系统本身也需要通过严谨的实验来评估、比较和优化，以下是一个结构化的框架：第一部分：实验设计的基础（传统基石）这是AI介入前... 星博讯 2026-04-09 54 #AI工具 #AI对象
AI基础认知 核心解读，通过观测来研究认知 最直接的理解是将其视为一种方法论：即使用观测（而非纯粹内省或理论推演）作为主要手段，来科学地研究人类的认知过程（如感知、注意、记忆、思维、决策等），分解与深入探讨观测：我们如何“看”到认知？认知是内在... 星博讯 2026-04-09 61 #观测 #认知
AI基础认知 一、核心概念，什么是样本量？ 总体：你研究对象的全体集合（全国所有18-25岁的年轻人），样本：从总体中抽取的一部分个体（你调查的1000名18-25岁年轻人），样本量：就是你的样本中所包含的个体数量（在这个例子里是1000），核... 星博讯 2026-04-09 52 #样本量 #核心概念
AI基础认知 抽样方法是从总体中选取部分个体（样本）进行研究，并根据样本结果推断总体特征的过程。以下是其核心概念的系统梳理 基本术语总体：研究对象的全体集合，样本：从总体中抽取的部分个体，抽样框：包含所有总体单位的名单或框架（如学生名册），参数：总体的特征值（如总体均值 μ），统计量：样本的特征值（如样本均值 x̄）,用于... 星博讯 2026-04-09 66 #抽样方法 #总体推断
AI基础认知 1.核心定义（它是什么？ 分层抽样 是一种概率抽样方法，其核心思想是：先将调查的总体按照某种特征或标准（称为“分层变量”）划分为若干个互不重叠、内部性质相似的子总体，这些子总体称为 “层” ，从每一层内独立地随机抽取一定数量的... 星博讯 2026-04-09 56 #核心 #定义
