随机变量将事件映射为一个数,随机变量的概率分布反映了各事件发生的可能性。根据随机变量的取值范围,我们可以区分出离散型随机变量{取值为整数}和连续型随机变量{取值为实数}。事实上还有混合型随机变量,但不在本文讨论的范围之内。
每个离散随机变量的本质特征在于其概率密度函数(或分布律)以及概率分布函数,这一本质同时决定了它们的期望(均值)和方差。
对于离散性随机变量来说,期望是将随机变量的所有取值与其概率相乘后求和,即
以下介绍各种随机变量,对于每种随机变量,我们会介绍其本质特征、期望、方差以及生活中的应用。
离散型随机变量
常见的离散型随机变量分布有以下4种:0-1分布,二项分布,泊松分布,几何分布。
0-1 分布是最简单的随机变量分布。假设某一事件发生的概率为p(当然,它不发生的概率就是1-p)。于是对0-1分布的随机变量X来说,X的取值只有0和1两种情况,其分布律就是
二项分布是0-1 分布的推广。假设某一基本事件发生的概率为p(当然,它不发生的概率就是1-p)。连续进行n次试验(n为常数),将这n次实验中基本事件发生的次数记为随机变量X。于是对二项分布的随机变量X来,X的取值有0、1、2……n,共n+1种情况,其分布律就是
泊松分布也是生活中常见的一种分布。它含有一个参数
最后是几何分布。假设某一基本事件发生的概率为p,连续进行k次实验,第k次实验终于成功一次的概率为
连续型随机变量
常见的连续型随机变量分布有以下三种:均匀分布,正态分布,指数分布。
均匀分布是最简单的连续型随机变量分布。比如在[0,1]之间任取一个实数X,则X的概率密度函数为
指数分布是一种具有无后效性的连续型随机变量分布。它有一个参数
正态分布是最常见的连续型随机变量分布。其概率密度函数为
后记
还是很惊讶,不确定的东西在更大的视野之下变得确定,这些函数是对部分现实的降维打击。