概率论 - The mini wiki

概率论编辑

几率论是集中研究概率及随机现象的数学分支，是研究随机性或不确定性等现象的数学。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、抽扑克牌以及轮盘等，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法则和中心极限定理。

相关

平均场论是一种研究复杂多体问题的方法，将数量巨大的互相作用的多体问题转化成每一个粒子处在一种弱周期场中的单体问题，这种方法常见于统计物理、固体物理和生物物理的研究中。在物理学和概率论中，平均场论是对大且复杂的随机模型的一种简化。未简化前的模型通常包含巨大数目的含相互作用的小个体。平均场理论则做了这样的近似：对某个独立的小个体，所有其他个体对它产生的作用可以用一个平均的量给出，如此，简化后的模型成为一个单体问题。这种思想源于皮埃尔·居里与皮埃尔·外斯对相变的研究工作中。受此启发，这种方法广泛应用于如传染病模型、排队论、计算机网络性能和博弈论中。

几率分布，简称分布，亦称几率分配或分配，，是概率论中的一个概念。

安德雷·尼古拉耶维奇·柯尔莫哥洛夫，俄国数学家，主要研究概率论、算法信息论、拓扑学、直觉主义逻辑、紊流、经典力学和计算复杂性理论，最为人所道的是对概率论公理化所作出的贡献。他曾说：“概率论作为数学学科，可以而且应该从公理开始建设，和几何、代数的路一样”。

机器学习是人工智能的一个分支。人工智能的研究历史有着一条从以“推理”为重点，到以“知识”为重点，再到以“学习”为重点的自然、清晰的脉络。显然，机器学习是实现人工智能的一个途径，即以机器学习为手段解决人工智能中的问题。机器学习在近30多年已发展为一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论，机器学习与推断统计学联系尤为密切，也被称为统计学习理论。算法设计方面，机器学习理论关注可以实现的，行之有效的学习算法。很多推论问题属于无程序可循难度，所以部分的机器学习研究是开发容易处理的近似算法。

在概率论中，随机事件指的是一个被赋与几率的事物集合，也就是样本空间中的一个子集。简单来说，在一次随机试验中，某个特定事件可能出现也有可能不出现；但当试验次数增多，我们可以观察到某种规律性的结果，就是随机事件。基本上，只要样本空间是有限的，则在样本空间内的任何一个子集合，都可以被称为是一个事件。然而，当样本空间是无限的时候，特别是可数集之时，就常常不能定义所有的子集为随机事件了。因此，为了定义一个概率空间，常常需要去掉样本空间的某些子集，规定他们不能成为事件。

布莱兹‧帕斯卡，法国神学家、哲学家、数学家、物理学家、化学家、音乐家、教育家、气象学家。帕斯卡早期进行自然和应用科学的研究，对机械计算器的制造和流体的研究作出重要贡献，扩展托里切利的工作，澄清了压强和真空的概念。帕斯卡还有力地为科学方法辩护。数学上，帕斯卡促成了两个重要的新研究领域。他16岁写出一篇题为射影几何的论文，1654年开始与皮埃尔·德·费马通信，讨论概率论，深刻影响了现代经济学和社会科学的发展。

几率，旧称几率，又称、机会率或或然率，是对随机事件发生之可能性的度量，为数学概率论的基本概念；几率的值是一个在0到1之间的实数，也常以百分数来表示。

半鞅是概率论的概念。若一随机过程为一局部鞅和一适应的有界变差过程之和，则称该随机过程为一半鞅。半鞅的概念包含了众多常用的随机过程，扩充了伊藤微积分的定义范围，从这个意义上说，半鞅是鞅和局部鞅的扩展。

应用数学是以应用为目的的明确的数学理论和方法的总称，研究如何应用数学知识到其他范畴的数学分支，可以说是纯数学的相反，应用纯数学中的结论扩展到物理学等其他科学中，应用数学的发展是以科学为依据，作为科学研究的后盾。包括线性代数、矩阵理论、向量分析、复变分析、微分方程、拉普拉斯变换、傅里叶分析、数值分析、概率论、数理统计、运筹学、博弈论、控制理论、组合数学、信息论等许多数学分支，也包括从各种应用领域中提出的数学问题的研究。而大部分应用数学是以作为物理分析的工具。计算数学有时也可视为应用数学的一部分。应用数学大部分的教学范畴都是以物理的模型为基础进行分析，当中或许搭配了各种数学工具，就为了更贴近物理的系统。应用数学的内容是在不断演化的，例如数论一直是纯粹数学，但是在发现了RSA加密算法之后，数论被大量使用在计算安全学中。