Merge branch 'master' of https://github.com/scutan90/DeepLearning-500…

…-questions

# Conflicts:
#	README.md
#	ch01_数学基础/第一章_数学基础.md
合并解决冲突

README.md

@@ -57,7 +57,7 @@
 |<font size="1">第十六章 自然语言处理NLP</font>|<font size="1">电子科技大学博士-盛泳潘；深圳乌灵图明科技有限公司CTO-何建宏;DaoCloud研发工程师-张善干；澳洲monash大学Research Scientist/Telstra(澳洲电信)Data Scientist-钟申俊博士；华南理工大学&UCI博士-黄振华</font>||
 |<font size="1">第十七章 移动端框架部署（新增）                                         </font>|<font size="1">川大硕士-顺丰科技-谈继勇；贵州大学硕士-三星-张达峰</font>|<font size="1">可加   </font>|
 |<font size="1">第十八章 后端分布式框架部署（新增）                                         </font>|<font size="1">广工学士-魅族科技-梁志成</font>|<font size="1">可加   </font>|
-|<font size="1">MD编辑</font>|<font size="1">汪明阔；南京大学硕士研究生-汪然；乐刻-张梦欣；长虹-梅红伟</font>|<font size="1">可加</font>|
+|<font size="1">MD编辑</font>|<font size="1">汪明阔；南京大学硕士研究生-汪然；乐刻-张梦欣；梅红伟－长虹－云服务开发</font>|<font size="1">可加</font>|
 # 5. 更多
 
 1. 寻求有愿意继续完善的朋友、编辑、写手; 如有意合作，完善出书（成为共同作者）。    

ch01_数学基础/第一章_数学基础.md

@@ -226,12 +226,13 @@ $$
 
 ​	推广 
 $$
-P(ABC)=P(C|AB)P(B)P(B|A)P(A)
+P(ABC)=P(C|AB)P(B|A)P(A)
 $$
 
 ​	一般地，用归纳法可证：若$P(A_1A_2...A_n)>0$，则有
 $$
-P(A_1A_2...A_n)=P(A_n|A_1A_2...A_{n-1}P(A_{n-1}|A_1A_2...A_{n-2})...P(A_2|A_1)P(A_1)
+P(A_1A_2...A_n)=P(A_n|A_1A_2...A_{n-1})P(A_{n-1}|A_1A_2...A_{n-2})...P(A_2|A_1)P(A_1)
+=P(A_1)\prod_{i=2}^{n}P(A_i|A_1A_2...A_{i-1})
 $$
 
 ​	任何多维随机变量联合概率分布，都可以分解成只有一个变量的条件概率相乘形式。 
@@ -263,7 +264,7 @@ $$
 **期望**  
 ​	在概率论和统计学中，数学期望（或均值，亦简称期望）是试验中每次可能结果的概率乘以其结果的总和。它反映随机变量平均取值的大小。  
 ​	线性运算： $E(ax+by+c) = aE(x)+bE(y)+c$  
-​	推广形式： $E(\sum_{k=1}^{n}{a_ix_i+c}) = \sum_{k=1}^{n}{a_iE(x_i)x_i+c}$  
+​	推广形式： $E(\sum_{k=1}^{n}{a_ix_i+c}) = \sum_{k=1}^{n}{a_iE(x_i)+c}$  
 ​	函数期望：设$f(x)$为$x$的函数，则$f(x)$的期望为  
 
 ​		离散函数： $E(f(x))=\sum_{k=1}^{n}{f(x_k)P(x_k)}$  
@@ -312,4 +313,4 @@ $$
 
 > 相关系数的性质：  
 > 1）有界性。相关系数的取值范围是 ，可以看成无量纲的协方差。  
-> 2）值越接近1，说明两个变量正相关性（线性）越强。越接近-1，说明负相关性越强，当为0时，表示两个变量没有相关性。
+> 2）值越接近1，说明两个变量正相关性（线性）越强。越接近-1，说明负相关性越强，当为0时，表示两个变量没有相关性。