本文探讨了在概率论中如何通过引入随机变量将非数值型的试验结果数值化，以便进行统计分析。随机变量实质上是函数，可以简化大量计算。文章介绍了离散型随机变量如二项分布、泊松分布及其应用场景，强调了正态分布的重要性。此外，还提及了随机向量和随机过程的概念，它们在研究复杂系统时发挥作用。
当样本空间中，元素不是一个数的时候，研究起来很不方便。
就比如说想研究鱼塘里鱼存活的概率。
样本空间就是{死亡，存活}。
要写四个字，很罗嗦。会占掉每日写字份额的。
可以说这个情况相当严重了，那么怎么办？把“死亡”，"存活"给数值化。
比如说{0，1}。只占2个字节，好开森~
总之呢，引入随机变量，就是为了将试验结果数值化
数值化之后又能干嘛呢？函数啊~~~会用excel不？别人一个一个改可能要改一天。你函数一用，瞬间秒杀。不仅如此，老板还特别高兴，因为你做得又快又好。
ξ念作阔c。至少知道人家叫什么才能更进一步了解人家嘛！（狂收好人卡的人装作很懂的样子）
正如概率论-基础概念1中所提到的，这是个映射的想法。把集合中的结果一一对应到实数集里面。
这个概念很重要，学算法的时候是躲不开的。而且也不难理解，一般都是自己设的。
比如说扔骰子。1点就设成ξ（1点）=1，以此类推。有些疯狂的同学可能觉得，这体现不出自己的水平，要设成ξ（1点）=4821812。emmmm.......
注意：随机变量实质上是函数
Borel
那么问题来了！
基础1中所提到的统计总体是不是随机变量呢？
是的。
离散型随机变量很好理解。
比如说扔骰子。那么F(x)=P{ξ（1点）,ξ（2点）...ξ（6点）} =P{1,2,3,4,5,6} (我还是按照点数数值设的...)
离散变量的分布函数比较简单（可以自行列一张表格出来，比画图的可读性要高一些）
至于这些性质的证明，那是数学系的事情了。
下面是各种分布。
其中2,3,6之前在概率论基础2中提到过。
4在概率论基础1中提到过。
重点看新的Poisson分布（泊松）
Poisson在法语里面其实是鱼的意思。在巴黎的7号线就有一站叫做Poissonier（卖鱼的）
感觉上和什么松下，井上，差不多...想想还是中文名有讲
最低0.47元/天 解锁文章
4304
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
