1. 概率分布
随机变量:将随机事件的每一种结果赋予一个数字,根据变量是否连续分为两种:连续随机变量和离散随机变量。
离散随机变量:随机变量的取值不连续,例如抛硬币。
连续随机变量:随机变量的取值是连续的,例如一段绳子的长度。
概率分布:用统计图来表示随机变量所有可能结果对应发生的概率。横轴是随机事件所有可能的结果(即随机变量的对应的数值),纵轴是对应每个结果发生的概率。
我们之所以要将变量分为两种,因为不同类型的变量对于求概率的方法不同。
- 离散概率分布:关注某一个数值的概率,其分布计算公式用概率质量函数PMF(Probability Mass Function)。常见的分布:伯努利分布、二项分布、几何分布、泊松分布。
- 连续概率分布:在连续概率分布无法计算所有数值的概率,一般计算公式用概率密度函数PDF(Probability Density Function)。常见的分布:均匀分布、正态分布。
概率分布可以让我们不在需要记住大量繁杂的数据,只需要利用对应的概率分布描述数据,记住仅有的几个参数即可,解决实际问题的时候,我们只需要用这几个参数决定的概率分布来计算概率,进而解决实际中的各种问题。
2.数学期望
数学期望
E
(
x
)
E(x)
E(x):是对随机变量预期取值的一种度量。是试验中每次可能结果的乘以其结果的总和。简单说,它是概率中的平均值,可以用期望对比两套方案。公式如下:
E
(
x
)
=
∑
x
f
(
x
)
E(x) = ∑xf(x)
E(x)=∑xf(x)
- x:随机变量
- f(x):随机变量取值为x的概率
那么期望和均值有什么不同呢?
- 均值:是一个统计量(对观察样本的统计),用来形容样本的。
- 期望:是针对于随机变量而言的一个量,可以理解为期望就是均值随样本趋于无穷的极限。
3. 方差
方差D(x):是这种风险的度量,即随机变量的变异性。它和描述统计学的方差是一个含义。公式如下:
D
(
x
)
=
∑
(
x
−
μ
)
2
f
(
x
)
D(x)=∑(x−μ)^2f(x)
D(x)=∑(x−μ)2f(x)
- μ = E ( x ) μ=E(x) μ=E(x)
- f(x):随机变量取值为x的概率