最后的四个不同的思路真是条条大路通罗马,让我对正态分布五体投地!
哇!Jaynes的遗作都看过,这个不得不佩服。一般统计系博士生里碰过这书的都不好找,外加这书还特贵(还好可以免费下载http://bayes.wustl.edu/etj/prob/book.pdf)。
另外还得赞一下排版数学公式的认真程度。
3 个月 后
基于最大熵的推导 是由信息熵的提出者Shannon给出的,以给定方差使熵最大可以推出正态分布来说明其熵公式的天然合理性。但似乎熵又略胜正态分布一筹,因为给定均值使熵最大可以推出指数分布(拉普拉斯分布的单边,看来拉普拉斯做的也不是无用功),因为给定几何平均值使熵最大可以推出幂分布(这在当今时代尤其普遍,所谓长尾分布)。已出正态外,犹在熵界中。
10 天 后
3 个月 后
2 个月 后
勒让德的图片错了,见
http://en.wikipedia.org/wiki/Adrien-Marie_Legendre
12 天 后
[未知用户] 我还以为这是恶搞的头像,原来是200年来大家都用错了他的头像……但这仅存的头像也……太飘逸了吧。完胜爱因斯坦啊。
3 年 后
4 个月 后
关于斯特林数的“显然”推导。
感觉并不显然啊。

b(2/n+d) / b(2/n) 请问如何推导?
13 天 后
5 天 后
[未知用户] 同问b(2/n+d) / b(2/n) 请问如何推导?
17 天 后
1 个月 后
2 个月 后
第一种方法里个人感觉有点小缺陷,强行让m个变量等于一个值。我感觉最好在这里最好直接就得出下面下面的线性结论。
2 年 后