PDF & CDF

Les mathématiques de l'incertitude

Pour des quantités continues comme une taille, un poids, ou une intensité de pixel, demander P(X = 3.0000…) est désespéré : il y a une infinité de valeurs, donc chacune a une probabilité nulle. Au lieu de cela nous décrivons comment la probabilité est répartie avec une fonction de densité de probabilité f(x), et lisons les probabilités comme des aires.

Une densité n'est pas une probabilité elle-même, et elle peut dépasser 1. Ce qui doit tenir est qu'elle est non négative et que l'aire totale est 1, l'écho continu de « la PMF somme à 1 » :

Faites glisser μ et σ ci-dessus : la courbe glisse et s'étire, mais l'aire en dessous reste toujours exactement 1. La probabilité d'un intervalle est la tranche d'aire au-dessus de lui.

Où cela apparaît en MLLa sortie p(x | θ) d'un modèle génératif est une densité. Pour échantillonner depuis une distribution 1D vous pouvez utiliser l'échantillonnage par transformée inverse : tirez un u ∈ [0,1] uniforme et renvoyez F⁻¹(u), en inversant la CDF. Les normalizing flows généralisent exactement cette idée, apprenant une application inversible dont le changement de variables transforme une densité simple en…
▶ PDF & CDF
← Distributions Discrètes ClésEspérance & Variance (continu) →