统计学——概率分布、期望、方差

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$E(x)$：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：
$$E(x)=\sum xf(x)$$

• 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：
$$D(x)=\sum (x-\mu {)}^{2}f(x)$$

• $\mu =E(x)$
• f(x):随机变量取值为x的概率