IT技术博客大学习 共学习 共进步
全部 移动开发 后端 数据库 AI 算法 安全 DevOps 前端 设计 开发者

标签:Probability Theory

共 2 篇相关文章

IT 累计浏览 2,798

正态分布的前世今生(五)

这篇讲的是正态分布在19世纪如何从崭露头角到成为统计学基石的关键发展历程。作者从拉普拉斯和高斯两位巨人的工作切入,清晰地勾勒出正态分布在两大支柱学科中的奠基过程。 文章首先追溯到1776年,拉普拉斯为解决天文学中的彗星轨道问题,开始研究多个独立随机变量之和的概率计算。这一实践问题最终推动了中心极限定理的诞生,为正态分布在概率论中的核心地位打下了理论基础,使其成为描述“随机之和”的通用模型。 与此同时,在数理统计领域,高斯基于对天文观测误差的细致分析,大力提倡并推广正态分布,使其在误差理论与数据分析中畅行天下。文章特别提到高斯在处理测量误差时,如何将正态分布(即高斯分布)作为分析工具。 通过回顾这段历史,文章揭示了正态分布之所以能成为近代统计学“开疆扩土”的主角,正是因为它同时被概率论的理论框架(中心极限定理)和数理统计的实践需求(误差分析)所双重赋能,从而奠定了其在科学与工程领域无处不在的坚实地位。

IT 累计浏览 3,473

正态分布的前世今生(二)

这篇文章深入讲解了最小二乘法的核心思想与历史地位。作者从一个经典问题出发:如何为一堆散乱的观测数据找到最吻合的数学规律?最小二乘法给出的方案简洁而优雅——寻找一条曲线,使得所有数据点到该曲线的垂直距离(残差)的平方和最小。 文章揭示了最小二乘法之所以被称为“数据分析的瑞士军刀”,不仅因其简单有效,更因为它与正态分布有着深刻的“前世今生”关联。历史上,正是高斯在运用最小二乘法处理天文观测数据时,为了解释其有效性而反向推导出了正态分布的形态。这意味着,当我们用最小二乘法拟合数据时,其实隐含了一个假设:数据的误差服从正态分布。 因此,最小二乘法远不止一个拟合工具,它成为了连接观测数据与概率理论的桥梁。无论是在早期的天体力学计算,还是现代的机器学习与回归分析中,这个诞生于19世纪的方法依然是处理线性模型问题最基础、最通用的“钥匙”。这是《正态分布的前世今生》系列第二篇的精彩开篇。