待验证50% 置信事实精确时间

格利文科-坎泰利定理保证随着样本量增大，经验分布函数一致收敛到真实分布函数

1

来源数

50%

置信度

长期有效

时效性

2026/8/31

首次发现

来源

从零编码机器学习概率分布：高斯、Beta、Gamma分布实践指南

涉及实体

格利文科-坎泰利定理concept 经验分布concept

相关事实

待验证分布的鲁棒性本质上取决于如何建模其尾部行为，用重尾分布替代高斯分布可提升模型对异常值的稳定性75% 相似待验证权重往往近似对称分布适合对称量化，而激活值经过ReLU等非线性函数后分布偏移更适合非对称量化74% 相似待验证后验分布通过贝叶斯定理获得：p(θ|x)∝p(x|θ)·p(θ)，将先验知识与数据似然结合72% 相似待验证经验分布函数的收敛性是 Bootstrap 等重采样方法有效的理论根基71% 相似待验证OU过程的平稳分布为高斯分布，其转移核为高斯分布，使任意时刻的条件分布可以精确计算70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/827781

API

curl https://kongchang.com/api/v1/knowledge/claims/827781

MCP

get_claim(id=827781)