# 概率与信息论

* [返回顶层目录](https://github.com/luweikxy/machine-learning-notes/tree/e6846dd98ccc8c039dcc79a4a5a4b198a1c9952f/content/content/SUMMARY.md#%E7%9B%AE%E5%BD%95)
* [综述概率论基本定义](https://luweikxy.gitbook.io/machine-learning-notes/statistics-and-information-theory/review-of-statistics)
* [概率论与贝叶斯先验](https://luweikxy.gitbook.io/machine-learning-notes/statistics-and-information-theory/probability-and-bayesian-prior)
* [贝叶斯概率](https://luweikxy.gitbook.io/machine-learning-notes/statistics-and-information-theory/bayes-probability)
* [概率符号说明](https://luweikxy.gitbook.io/machine-learning-notes/statistics-and-information-theory/probability-symbol-explaination)
* [共轭先验](https://luweikxy.gitbook.io/machine-learning-notes/statistics-and-information-theory/conjugate-prior)

概率论使我们能够提出不确定的声明，以及在不确定性存在的情况下进行推理，而信息论使我们能够量化概率分布中的不确定性总量。（《深度学习》p34）

中心极限定理和大数定律

中心极限定理是说无论抽样分布如何 均值服从正态分布 而大数定律根本和正态分布无关 是说样本大了抽样分布近似总体分布

[怎样理解和区分中心极限定理与大数定律？ - 知乎](https://www.zhihu.com/question/22913867/answer/274009483)

[F分布、t分布、正太分布与卡方分布的联系与区别](https://zhuanlan.zhihu.com/p/42136925)