有的材料按照 一维离散 -> 一维连续 -> 多维离散 -> 多维连续的角度讲解。
我比较喜欢先讲清楚离散,再扩展到连续。
这也跟 MIT 6.041 课程 的编排一致
- 随机变量和随机过程,不一样。要区分开。
- 独立性,依旧是一个重要议题。在伯努利“独立”重复实验相关的计算中,很实用。
- Geometric 和 Binomial 分布的 PMF,期望,方差公式和推导过程。
- 随机变量的分布函数
在下一篇讨论: 概率论笔记3--连续随机变量、数学期望和方差
目录
- 随机变量定义。是 function,而非 variable
- PMF 公式。how to compute(图), Geometric, Binomial
- 数学期望。
,
- 方差
- 条件 PMF 和条件期望。在新的样本空间里,缩放 PMF。
- Geometric PMF 期望计算。Memoryless & Total Expectation theorem
- 联合分布和边缘分布。
- 独立性。独立联合分布的 E 和 Var 计算。
- Binomial means and variance。
1. Random variables 随机变量的定义
An assignment of a value (number) to every possible outcome.
Mathematically: A function from the sample space Ω to the real numbers.
随机变量,不是一个变量,而是一个 function(函数)。
一个 sample space 可以定义多个 Random variables,即多个特征。
比如,sample space 是一个班级里的所有学生,Random variables 可以是身高函数、体重函数。
Notation:
- random variable X -- 大写
- numerical value x -- 小写
2 个性质:
2. Probability mass function (PMF) 分布律
两种写法:
分布律也可以用表格的形式表示,如
How to compute a PMF
- collect all possible outcomes for which X is equal to x
- add their probabilities
- repeat for all x
找准 sample space 里的所有互斥事件,并满足
找准 random variable 的所有取值,同样满足 sum = 1
找准映射关系,累加起来。
2.1. Example:Geometric PMF 几何分布的 PMF
几何级数:X = number of coin tosses until first had
几何级数的 PMF:
等比数列
2.2. Example: Binomial PMF 二项分布的 PMF
二项分布:X = number of heads in n independent coin tosses
二项分布的 PMF:
3. Expectation 数学期望
加权求平均。
center of gravity of PMF -- 计算 PMF 图形很规则的 E[X] 时,可以直接写出结果。
级数绝对收敛
关键公式:
作为对比,如果不是线性函数,
关键公式的推导:从 sample space 到 X 再到 Y 的转换,可以以 sample space 为最小 element 计算,也可以以 X 为最小 element 计算 Y。
如果以 X 计算,那就是 x 的值 g(x) 乘以对应的分布律
性质:
线性函数的数学期望,等于数学期望的线性函数。
如果不是线性函数,则不满足, 即
4. Variance 方差
推导过程,反复使用 :
5. Conditional PMF and expectation 条件 PMF 和条件期望
在新的样本空间里重新计算 PMF 和 expectation 即可。
没有新的概念和知识,但在计算中很实用。
在这个特例中,加条件前后的样本空间,PMF 形状不变,只是少了 X=1.
将剩下的概率值做一次缩放即可,从 1/4 缩放到 1/3
6. Geometric PMF, Memoryless Property & Total Expectation theorem
几何级数:X = number of coin tosses until first had
几何级数的 PMF:
用代数推导的过程:
两边同乘 (1-p), 得
旧式 减 新式 ,
左侧,得到
右侧错位相减,得到
所以,
Memoryless Property: Given that X > 2, 1/4 the r.v. X − 2 has same geometric PMF
与前面的条件 PMF 一样,曲线形状不变,做一次放缩。
Total Expectation theorem:
利用全概率公式
Geometric Example:
其中,
事件
事件
7. Joint PMFs and marginal PMFs 联合分布和边缘分布
在一个 sample space 上可以定义多个随机变量,比如,学生的身高
随机变量之间,不一定独立,需要作为一个整体来研究。
类似一维随机变量的分布律,二维的叫 联合分布律,也可以用二维表格表示。
关于 X 的边缘分布律
关于 Y 的边缘分布律
三维的条件分布律
8. independence 独立性
X, Y, Z 相互独立:
注意,此处的 X,Y,Z 来自同一个 sample space。
9. Binomial means and variance 二项分布的数学期望和方差
二项分布是 N 重独立实验,利用独立性计算期望和方差,可以口算。
由
Reference:
- MIT 6.041 Probabilistic Systems Analysis and Applied Probability, Fall 2010 Video 5-7
- 概率论与数理统计 -- 浙江大学 chapter 2-4