林微
林微,一个年轻的博主。
展开
-
2022-7-5 随机过程之条件期望及其性质 (三)
Problem: Suppose that we are to be presented with nnn distinct prizes in sequence. After being presented with a prize, we must immediately decide whether to accept it or reject it and consider the next prize. The only information we are given when deciding原创 2022-07-05 16:11:26 · 210 阅读 · 0 评论 -
2022-6-30 随机过程之条件期望及其性质 (二)
Problem: Suppose that the number of people who visit a yoga studio each day is a Poisson random variable with mean λ\lambdaλ. Suppose further that each person who visits is independently, female with probability ppp or male with probability 1−p1-p1−p. Find原创 2022-06-30 21:32:01 · 230 阅读 · 0 评论 -
2022-6-30 随机过程之条件期望及其性质 (一)
Let an conditional expectation beE[X∣Y]\mathbb{E}\left [ X|Y \right ]E[X∣Y]where the function of random variable YYY whose value at Y=yY=yY=y is E[X∣Y=y]\mathbb{E}\left [ X|Y=y \right ]E[X∣Y=y]. Note that E[X∣Y=y]\mathbb{E}\left [ X|Y=y \right ]E[X∣Y=y] is原创 2022-06-30 21:00:18 · 354 阅读 · 0 评论 -
2022-6-10 随机过程之矩生成函数 (五) 利用矩生成函数证明中心极限定理
假设X1X_1X1, X2X_2X2, X3X_3X3, ⋯\cdots⋯, XnX_nXn 是独立同分布的随机变量。每个随机变量的期望值是μ\muμ, 方差是σ2\sigma^2σ2。当样本数nnn增大时,这nnn个样本服从正态分布如下,limn→∞X1+X2+X3+⋯+Xnn∼N(μ,σ2n)\lim_{n \to \infty} \frac{X_1+X_2+X_3+\cdots+X_n}{n}\sim N(\mu, \frac{\sigma^2}{n})limn→∞nX1+X2+X3原创 2022-06-10 16:47:33 · 200 阅读 · 1 评论 -
2022-6-9 随机过程之矩生成函数 (四) 标准正态分布的矩生成函数及其高斯积分的计算
给定随机变量XXX服从标准正态分布。其中,标准正态分布的概率密度函数为,f(x)=12πe−x22f(x)=\frac{1}{\sqrt{2\pi}}e^{-\frac{x^2}{2}}f(x)=2π1e−2x2令矩生成函数ϕX(t)\phi_X(t)ϕX(t),有,ϕX(t)=E[etX]\phi_X(t)=\mathbb{E}[e^{tX}]ϕX(t)=E[etX]=∫−∞+∞etxf(x)dx=\int_{-\infty}^{+\infty}e^{tx}f(x)dx=∫−∞+∞etxf(原创 2022-06-09 14:51:29 · 831 阅读 · 0 评论 -
2022-6-8 随机过程之矩生成函数 (三)
If XXX and YYY are independent binomial random variables with parameters (n,p)(n, p)(n,p) and (m,p)(m, p)(m,p), respectively, then what is the distribution of X+YX+YX+Y.ϕX+Y(t)=ϕX(t)ϕY(t)\phi_{X+Y}(t)=\phi_X(t) \phi_Y(t)ϕX+Y(t)=ϕX(t)ϕY(t)=(pet+1−p)n(pe原创 2022-06-08 10:45:19 · 167 阅读 · 0 评论 -
2022-6-7 随机过程之矩生成函数 (二)
给定随机变量XXX服从二项分布,X∼B(n,p)X\sim B\left ( n,p \right )X∼B(n,p),求二项分布的矩生成函数。二项分布的概率质量函数为,p(i)=(ni)pi(1−p)n−ip(i)=\binom{n}{i}p^i(1-p)^{n-i}p(i)=(in)pi(1−p)n−i, i=0,1,2,⋯ ,ni=0, 1, 2, \cdots, ni=0,1,2,⋯,n.令矩生成函数ϕ(t)\phi(t)ϕ(t),有,ϕ(t)=E[etX]\phi(t)=\mathbb{E}[e原创 2022-06-07 21:27:57 · 506 阅读 · 0 评论 -
2022-6-6 随机过程之矩生成函数 (一)
The moment generating function (MGF) of the random variable X原创 2022-06-06 21:30:20 · 211 阅读 · 0 评论 -
2022-5-27 随机过程之二项,泊松随机变量及其关系
1. The Binomial Random Variable1.1. DefinitionSuppose that nnn independent trails, each of which results in a success with probability ppp and a fail with probability 1−p1-p1−p. If XXX represents the number of successes that occur in the nnn trails, then原创 2022-05-27 20:59:29 · 188 阅读 · 0 评论 -
2022-5-27 随机过程之条件概率和贝叶斯概率
1. Conditional Probability1.1. DefinitionP(E∣F)P(E|F)P(E∣F): If we let EEE and FFF denote, the event that the sum of the dice is six and the event that the first die is a four, respectively, then the probability just obtained is called the conditional pr原创 2022-05-27 16:22:48 · 152 阅读 · 0 评论 -
2022-3-9 随机过程之两种随机过程等价转换(离散型)
1. 到达过程 (Arrival Process)1.1. 第一种随机变量令S0=0S_0=0S0=0,初始位置没有用户到达,S1S_1S1为用户1的到达时刻,S2S_2S2为用户2的到达时刻,依此类推,Bala bala1.2. 意义S1S_1S1, S2S_2S2, S3S_3S3, …, SnS_nSn每一个都是一个随机变量,这一串随机变量的集合称为一个随机过程。特别地,这里SnS_nSn表示的是到达时刻,我们把这一个随机过程称为到达过程。分别表示第一个用户的到达时刻.原创 2022-03-09 10:49:19 · 224 阅读 · 0 评论 -
2022-3-5 随机过程之随机向量之间的Transformation Part 4(二维可逆映射下两个随机向量的概率密度例子)
1. 举例Random vectors UUU, VVV have the joint pdf:fUV(u,v)={u+v,0≤u,v≤10,elsef_{UV}(u,v)=\left\{\begin{matrix}u+v,0\leq u,v \leq 1\\ 0, else\end{matrix}\right.fUV(u,v)={u+v,0≤u,v≤10,elseLet X=U2X=U^2X=U2 and Y=U(1+V)Y=U(1+V)Y=U(1+V).Try to find the原创 2022-03-05 10:54:42 · 250 阅读 · 0 评论 -
2022-3-4 随机过程之随机向量之间的Transformation Part 3(二维可逆映射下两个随机向量的概率密度分析)
Part 1 & 2已经告诉我们:二维条件下,映射前后的单位面积不同,并且其比值为雅各比行列式的倒数。Part 3将告诉我们:二维条件下,映射前后单位面积的不同将导致概率密度函数的不同,并且我们将利用映射前后概率相同的原理计算出概率密度函数的这个“不同”。1. Transformation and JacobianConsider the sample space is defined on R2\mathbb{R}^2R2. UUU and VVV are two random varia原创 2022-03-04 11:14:39 · 304 阅读 · 0 评论 -
2022-3-3 随机过程之随机向量之间的Transformation Part 2(二维可逆映射)
二维可逆映射的定义是存在作用于目标定义域值域的反函数。反函数的存在性(也就是一对一映射)这一定义我们没法用。二维可逆映射的充分条件是作用于目标定义域值域的映射函数的雅各比矩阵可逆(即行列式不为0)。这个充分条件好用。1. 预备: 二重积分举例: (两个积分变量不相关的情况下) 计算 ∬Dxy2dxdy\iint_{D}xy^2dxdy∬Dxy2dxdy, where DDD is the rectangle area defined by 0≤x≤20 \leq x \leq 20≤x≤2 and原创 2022-03-03 14:50:11 · 278 阅读 · 0 评论 -
2022-3-2 随机过程之随机向量之间的Transformation Part 1(一维可逆映射)
1. 预备: 一重积分被积函数的变换举例: 计算 ∫25x2(x3−3)5dx\int_{2}^{5}x^2(x^3-3)^5dx∫25x2(x3−3)5dx直接计算较为麻烦,我们尝试对上述一重被积函数进行Transformation,如下,令 u=g(x)=x3−3u=g(x)=x^3-3u=g(x)=x3−3,有,du=d(x3−3)=3x2dxdu=d(x^3-3)=3x^2dxdu=d(x3−3)=3x2dx即,x2dx=13dux^2dx=\frac{1}{3}dux2dx=31d原创 2022-03-02 16:20:48 · 289 阅读 · 0 评论 -
2022-2-28 随机过程之随机变量的常见概率密度函数和相关性质计算
1. Case 11.1. 定义若随机变量XXX服从母数为λ\lambdaλ的指数分布,记作X∼Exp(λ)X\sim Exp(\lambda)X∼Exp(λ),则其概率密度函数为,fX(x)={λe−λx,x≥00,x<0f_X(x)=\left\{\begin{matrix}\lambda e^{-\lambda x},x\geq 0\\ 0, x<0\end{matrix}\right.fX(x)={λe−λx,x≥00,x<01.2. 计算E[X]=∫−∞+∞x原创 2022-02-28 11:50:46 · 724 阅读 · 0 评论 -
2022-2-27 随机过程之随机变量的定义和使用
1. 定义1.1. R. V.定义Given a probability space (Ω,F,P)(\Omega, F, P)(Ω,F,P).A random variable is a function XXX from Ω\OmegaΩ to the real line R\mathbb{R}R, satisfying that the condition {ω,X(ω)≤a}∈F\{\omega, X(\omega)\leq a\}\in F{ω,X(ω)≤a}∈F, for all a∈Ra原创 2022-02-27 22:02:01 · 193 阅读 · 0 评论 -
2022-2-26 随机过程之概率空间的模型定义和使用
1. 定义A probability space can be denoted as a triplet (Ω,F,P)(\Omega, F, P)(Ω,F,P).1.1. Ω\OmegaΩThe first component Ω\OmegaΩ is a non-empty set. Each element of Ω\OmegaΩ denoted by ω\omegaω is called an outcome. And Ω\OmegaΩ is called the sample space.1原创 2022-02-26 22:08:54 · 146 阅读 · 0 评论 -
2022-2-5 随机过程之随机变量的两个不等式
1.1. Markov’s InequalityLet XXX be a random variable that takes only non-negative values. Then for any positive real number aaa,Pr{X≥a}≤E[X]a{Pr}\{ X\geq a\}\leq \frac{E[X]}{a}Pr{X≥a}≤aE[X]Proof: We will prove the Markov’s inequality for discrete rando原创 2022-02-05 22:07:13 · 895 阅读 · 0 评论 -
2022-1-31 随机过程之随机变量服从Erlang分布时的概率密度函数推导过程
Erlang分布是kkk个独立同分布同参数的指数分布的和,或者说Erlang分布可以分解为kkk个独立同分布同参数的指数分布。为了求Erlang分布的概率密度函数(PDF),我们需要引入数学卷积(convolution)的概念——卷积的物理意义是两个独立同分布的随机变量和的概率密度函数。本文我们通过kkk个独立同分布的指数函数的概率密度函数的卷积来计算Erlang分布的概率密度函数。1. 预备知识一1.1. 指数分布给定随机变量XXX服从均值为λ\lambdaλ的指数分布,记为X∼Exp(λ)X\s原创 2022-01-31 18:18:50 · 968 阅读 · 0 评论 -
2022-1-23 随机过程之生成函数的表示及其封闭形式的全错排练习(bound形式表示)
声明:本人对概率生成函数的余项进行bound——刹那灵感,临时起意,严谨性尚未推敲,如有错误欢迎校正。Problem. At a party, the guests play a game. Each guest takes off one of their socks and puts it into a sack. Then all the socks are shuffled and each guest choses one sock at random. Assume there are n∈原创 2022-01-23 12:41:21 · 519 阅读 · 0 评论 -
2022-1-19 随机过程之生成函数的表示及其封闭形式的计算练习
Problem. Consider a series of Bernoulli trials (n,p)(n, p)(n,p). Determine the probability that the number of successes in nnn trials is even.Ans: 显然,生成函数如下,Pr{even}=∑k=1⌊n2⌋(n2k)p2k(1−p)n−2kPr\{even\}=\sum_{k=1}^{\left \lfloor \frac{n}{2} \right \rfloo原创 2022-01-19 16:13:38 · 608 阅读 · 0 评论 -
最优化理论及其MATLAB编程实现 -- 3高斯消元法原理和应用III
1. 高斯消元法求解逆矩阵本文详细介绍高斯消元法的另一个应用:求解逆矩阵。步骤 1.1. 方阵问题描述给定方阵A=[1123]A=\begin{bmatrix}1 &amp;amp; 1\\ 2 &amp;amp; 3\end{bmatrix}A=[1213]将方阵写成Tableau的形式如下,x1x_1x1x2x_2x2y1y_1y111...原创 2019-03-10 22:23:10 · 485 阅读 · 0 评论 -
最优化理论及其MATLAB编程实现 -- 2高斯消元法原理和应用II
1. 高斯消元法求解线性方程组本文详细介绍高斯消元法的一个应用:线性方程组。步骤 1.1. 线性方程组问题描述给定线性方程组{x1+x2=52x1+3x2=14\left\{\begin{matrix}x_1 + x_2 = 5\\ 2x_1 + 3x_2 = 14\end{matrix}\right.{x1+x2=52x1+3x2=14不妨令y1=x1+x2−5y_...原创 2019-03-10 17:16:04 · 360 阅读 · 0 评论 -
最优化理论及其MATLAB编程实现 -- 1高斯消元法原理和应用I
1. 高斯消元法给定线性方程组yi=∑j=1taijxj,i∈[1,s]y_i=\sum_{j=1}^{t}{a_{ij}x_j},i \in[1,s]yi=j=1∑taijxj,i∈[1,s]该线性方程组的可视化Tableau如下,x1x_1x1x2x_2x2⋯\cdots⋯xtx_txty1y_1y1a11a_{11}a11a12a_{...原创 2019-03-10 15:58:03 · 779 阅读 · 0 评论