WARNING: This article may be obsoleteThis post was published in 2022-08-31. Obviously, expired content is less useful to users if it has already pasted its expiration date.
This article is categorized as "Garbage" . It should NEVER be appeared in your search engine's results.Table of Contents
主要内容
这篇笔记比想象中要短很多，可能是因为8月的学习过程中实际题目太少，公式推导太多，主要精力都去对付bayesian filtering、HMM的公式推导了。
先post出来吧，以后看情况增加新题目。
（* 曾用标题：贝叶斯习题）
收集一些概率论习题
尽量粘贴有明确标准答案的题，而不是推导各种公式（比如“推导forward-backward公式”）
本笔记按时间顺序排布题目
本笔记有大量被删除的题目，在autosave里面可以找到
part 1 贝叶斯概率计算
🔗 [贝叶斯网络与隐马尔科夫模型 - Welcome to AI World] https://terrifyzhao.github.io/2018/03/06/贝叶斯网络.html
答案是0.43
继续上面的题目：
如果今晚村里确实有东西被偷，那么A作案的几率是多少？B作案的几率是多少？C作案的几率是多少？
答案分别是0.186, 0.232, 0.581
part 2 有向图的Variable Elimination
下面的几道题目来自：🔗 [贝叶斯网络 - Truxton's blog] https://truxton2blog.com/bayesian-network-introduce/
一道较长的贝叶斯网络题，主要内容是条件概率的推导以及概率的积分计算：
有向图的Variable elimination：
part 3 点估计（矩估计、最大似然估计）
下面的一些题目来自：🔗 [参数估计之点估计(矩估计,最大似然估计) 详解+例题_Joker-Tong的博客-CSDN博客最大似然估计法例题] https://blog.csdn.net/Weary_PJ/article/details/106525960 以及浙大概率论：参数估计-点估计
答案
答案
答案
答案
来自 🔗 [2021-10-22 - Truxton's blog] https://truxton2blog.com/2021-10-22/
答案
