随机变量
基本概念
随机变量是概率论中的概念,表示某一随机事件可能的结果.
随机变量不是一个值,可以理解成集合.集合中的元素是对应随机事件可能的结果.
例如,用随机变量X表示投掷骰子出现的点数.
投掷骰子就是一个随机事件.
出现的点数就是可能的结果.
所以随机变量X的取值就有{1,2,3,4,5,6}.
每一次投掷骰子得到的点数,通常用 x 1 , x 2 x_1,x_2 x1,x2进行表示.
x 1 , x 2 x_1,x_2 x1,x2都分别对应一个观测值. x 1 , x 2 x_1,x_2 x1,x2通常也称为样本.
如果随机变量X是有限的,离散的集合,那么就称为离散概率分布.
如果随机变量X的取值范围是连续的,那么就称为连续概率分布.
对于一个随机变量X,通常有两个属性进行衡量,那就是数学期望和方差.
数学期望
**数学期望 E ( X ) E(X) E(X)是指随机变量X依概率收敛的平均值.
例如:对于一个质地均匀的骰子,其投掷1万次后,平均每次掷出的点数为:
∑ i = 1 6 10000 6 ∗ i 10000 \frac{\sum_{i=1}^{6} \frac{10000}{6}* i}{10000} 10000∑i=16610000∗i
上式的含义为:理想情况下,每个点数出现的次数都是 1000 6 \frac{1000}{6} 61000,乘以对应的点数,再除以总数就能求出平均点数,也就是数学期望.
而对于一个特殊制作的骰子,如果无论怎么投掷,得到的点数都是3,显然其投掷1万次后,平均每次掷出的点数为3,也就是数学期望.
简而言之,对于随机事件X而言,不同的结果对应的概率是不同的,因此如果需要随机事件的数学期望(平均值),就应当考虑其概率.从而有如下公式:
E ( X ) = ∑ p i ∗ i E(X) = \sum {p_i*i} E(X)=∑pi∗i
p i p_i pi表示结果 i