03.第二章 随机变量与分布函数(1)

第二章 随机变量与分布函数(1)

1.随机变量

随机变量的定义比较抽象，要理解这个定义，可以先了解随机变量的引入背景。对于一个随机试验，随机事件有时表现为与数字无关，如抽球游戏中的“抽红球”、“抽黄球”、“抽白球”等，但还有一些随机事件表现为与数字相关，比如某个街道10分钟“开来1辆车”、“开来2辆车”等离散指标，甚至可以是连续指标，比如测量某物品长度的结果。如果事件表现得和数字相关，自然会对其更深层次的数字特征感兴趣，因此我们可以用某个变量单独表示这个事件中的数，以便研究它的其他性质。随机变量就是对事件中“数”的表征，而我们将其抽象出来以后，可以脱离事件直接研究随机变量。

现在给出随机变量的严格定义：设$\xi (\omega )$是定义在概率空间 { Ω , F , P } \{\Omega ,\mathscr F,P\} {Ω,F,P}上的单值实函数，且对于$\mathbb{R}$上的任一Borel集$B$，有
ξ − 1 ( B ) = { ω : ξ ( ω ) ∈ B } ∈ F . \xi^{-1}(B)=\{\omega:\xi(\omega)\in B\}\in \mathscr F. ξ−1(B)={ω:ξ(ω)∈B}∈F.
就称$\xi (\omega )$为随机变量，而称$P(\xi (\omega )\in B),B\in \mathcal{B}$为随机变量$\xi (\omega )$的概率分布。

要理解这个定义有一定难度，现在将每一句话拆分开，单独看随机变量的定义。

首先，$\omega$指的是样本空间中的样本点，而$\xi (\omega )$是单值实函数，指的是对于每一个发生的事件，都可以通过随机变量将其描述为一个数。例如掷骰子中有6个样本点，定义${\omega }_i$为掷出$i$点，则$\xi (\omega )$作为函数，就将每一个样本点映射到一个实数上，比如$\xi ({\omega }_i)=i$，这个映射，指的是骰子掷出多少点，随机变量$\xi$的取值就是多少。这就是说，随机变量首先是将随机事件映射到“数”上。

然后，回顾Borel集与Borel域$\mathcal{B}$的定义 ，Borel集是由一切左开右闭集合通过可数次并交逆得到的集合，$\mathcal{B}$就是Borel集的全体。定义中 ξ − 1 ( B ) = { ω : ξ ( ω ) ∈ B } \xi^{-1}(B)=\{\omega :\xi(\omega)\in B\} ξ−1(B)={ω:ξ(ω)∈B}指的，其实就是 ξ { ω : ξ ( ω ) ∈ B } = B \xi\{\omega:\xi(\omega)\in B\}=B ξ{ω:ξ(ω)∈B}=B，这可以理解为，对一切满足$\xi (\omega )\in B$的样本点$\omega$，对其中的每一个样本点$\omega$作映射得到实数$\xi (\omega )$，这些实数构成的是Borel集$B$。要求是，这一切样本点组成的集合 { ω : ξ ( ω ) ∈ B } \{\omega:\xi(\omega)\in B\} {ω:ξ(ω)∈B}，都要是事件域中的事件，也就是说，在实数轴上任取一个Borel集$B$，会有一系列样本点通过$\xi$被映射到$B$里，这些样本点构成的集合一定要是事件。还是以掷骰子为例，如果$B=[2.5,4.5]$，则能够被映射到的样本点有${\omega }_3,{\omega }_4$，这两个样本点构成的集合 { ω 3 , ω 4 } \{\omega_3,\omega_4\} {ω3​,ω4​}是一个事件：掷到3、4点。任一Borel集都要能够对应于一个这样的事件，这样的$\xi$才是随机变量，否则研究的东西都不在事件域内，随机变量就失去了意义。

以上概率理解了对了解随机变量有一定好处，但不能理解也不会造成太大负面影响。

既然这样，要刻画一个随机变量的概率分布，就要对事件域中的所有事件求概率，这稍嫌麻烦，但在很多情况下，只要对一系列特殊的Borel集求概率即可，最典型的是离散型随机变量与连续型随机变量。

2.分布函数

在介绍离散随机变量与连续随机变量前，先定义一种能够刻画所有类型随机变量的方式，即分布函数。由于对于随机变量而言，每一个Borel集都对应着一个概率值，那么作为这些Borel集中特殊的一种左开右闭区间，自然也存在着概率，即不管$x$取什么值，$P(\xi \le x)$值总是存在的。这样每取一个$\mathbb{R}$上的$x$，就唯一对应一个值$P(\xi \le x)$，因此满足函数的定义，定义$\xi$的分布函数为
$$F_{\xi }(x)=P(\xi \le x),x\in \mathbb{R}.$$
一般来说，书写分布函数时会用下标写出这个分布函数对应于哪一个随机变量，但如果很明确了，也可以省略不写。有了分布函数以后，就可以计算任一Borel集的概率。
$$\begin{gathered} P(\xi \le b)=F(b),F(\xi >a)=1-F(a); \\ P(a<\xi \le b)=F(b)-F(a); \\ P(\xi <b)=F(b-0). \end{gathered}$$
除此以外，分布函数还具有以下性质：

1. 单调性：若$a<b$，则$F(a)\le F(b)$。这是因为$F(b)-F(a)=P(a<\xi \le b)\ge 0$。
2. 有界性：$0\le F(x)\le 1$，且$\underset{x\to -\infty }{\lim }F(x)=0,\underset{x\to \infty }{\lim }F(x)=1$。这是因为概率的有界性与单调有界定理保证的。
3. 右连续性：$F(x+0)=F(x)$。只需证明$\underset{n\to \infty }{\lim }F(x+\frac{1}{n})=F(x)$，运用概率测度的连续性即可。一般来说分布函数的连续性与其定义方式有关。

具有以上三个性质的函数，一定可以作为某随机变量的分布函数。