概率分布

（2019年）甲公司现有一笔闲置资金，拟投资于某证券组合，该组合由X、Y、Z三种股票构成，资金权重分别为40%、30%、30%，β系数分别为2.5、1.5和1.0。其中X股票投资收益率的概率分布如下： Y、Z股票的预期收益率分别为10%和8%，当前无险收益率为4%，市场组合的必要收益率为9%。 要求： （1）计算X股票的预期收益率

在MCMC(三)MCMC采样和M-H采样中，我们讲到了M-H采样已经可以很好的解决蒙特卡罗方法需要的任意概率分布的样本集的问题。但是M-H采样有两个缺点：一是需要计算接受率，在高维时计算量大。并且由于接受率的原因导致算法收敛时间变长

将训练一个机器学习模型用于预测图片里面的数字. 数据集被分成两部分：60000行的训练数据集（mnist.train）和10000行的测试数据集（mnist.test） 把这些图片设为“xs”，把这些标签设为“ys” 训练数据集的图片是 mnist.train.images ，训练数据集的标签是 mnist.train.labels 可以得到输入图片 x ，[784]的向量，它代表的是数字 i 的证据可以表示: softmax函数可以看成是激励函数(activation)，把线性函数输出转换成想要的格式:关于10个数字的概率分布。 结合上面的evidence可以知道，evidence越大，正则化后的结果更大，就是权重更大。 进一步写成:

近期，中科院青藏高原研究所王磊研究员课题组（李秀萍博士为第一作者）在Journal of Geophysical Research-Atmosphere发表了关于重建青藏高原大流域蒸散发历史系列的文章。该研究选取高原四大流域（羌塘高原、柴达木盆地、黄河源区和长江源区）作为研究区，结合GRACE卫星水储量数据和实测径流数据，基于流域水量平衡原理估算了各流域的2003-2012年实际蒸散发的月序列，并在此基础上评估了全球五个主流蒸散发产品在高原的性能。最后，该文使用基于概率分布的误差校正方法（PDF）重建了高原四大流域的历史月蒸散发序列（1983-2006），并发现四大流域的实际蒸散发都存在明显的增加趋势

样本从具有指定参数n试验和p成功概率的负二项分布中绘制，其中n是> 0和 p在区间[0，1]中。 其中 是成功的数量， 是成功的概率，而 是试验的数量。负二项分布给出了N + n-1次试验中n-1次成功和N次失败的概率，以及第（N + n）次试验的成功率

5、投资者都遵守主宰原则（Dominance rule），即同一风险水平下，选择收益率较高的证券；同一收益率水平下，选择风险较低的证券。 CAPM（capital asset pricing model）是建立在马科威茨模型基础上的，马科威茨模型的假设自然包含在其中：1、投资者希望财富越多愈好，效用是财富的函数，财富又是投资收益率的函数，因此可以认为效用为收益率的函数。 CAPM的附加假设条件： 8、所有投资者具有相同的投资期限，而且只有一期

之前整理过线性回归是从频率统计的角度来解释的，本文通过贝叶斯学派的观点重新解释一下线性回归模型。我们使用概率分布而非点估计来构建线性回归，因变量 $y$ 不是被估计的单个值，而是假设从一个分布中提取而来。贝叶斯线性回归模型如下： 输出 $y$ 是由均值和方差两个特征刻画的正态分布，这两个值都可以通过数据求得

其中x0是定义分布峰值位置的位置参数，γ是最大值一半处的一半宽度的尺度参数。 作为概率分布，通常叫作柯西分布，物理学家也将之称为洛伦兹分布或者Breit-Wigner分布。在物理学中的重要性很大一部分归因于它是描述受迫共振的微分方程的解

自然语言处理是 AI 皇冠上的明珠，而语料预处理是自然语言处理的基础。 机器能跟人类交流吗？能像人类一样理解文本吗？这是大家对人工智能最初的想象。如今，NLP 技术可以充当人类和机器之间沟通的桥梁

j9九游会首页登录研究生研究成果再次入选国际顶级学术会议AAAI 第37届国际人工智能协会年会（AAAI-23）近日于美国华盛顿市召开，会上发表了由j9九游会首页登录硕士研究生陆敏芳和宁帅为共同第一作者论文“OPT-GAN: A Broad-Spectrum Global Optimizer for Black-box Problems by Learning Distribution”，实现了j9九游会首页登录硕士研究生第一作者成果再次入选中国计算机学会推荐A类会议（CCF A）。该论文由j9九游会首页登录王琳教授和杨波教授共同指导。 论文提出了一种基于生成式对抗网络的广谱黑盒优化模型