前言:这节课主要讲random variable的概念,PMF以及期望和方差
random variable是描述实验结果outcome的变量,也可以看成sample space 在实数域上的映射。
random variable is not random, is not variable, it is just a function from sample space to the real number.
举个例子在这个图中,
sample space是班中的所有学生,每个学生都对应一个身高,身高这个变量就是random variable,(60inch, 70inch)是这个outcome对应random variable的值。
一个random variable的函数也是一个random variable, 比如我们用 H ˉ \bar H Hˉ 来表示厘米为单位的身高。
可以有很多的random variable来描述sample space, 比如学生的体重, 身高,年龄,成绩,,,。
上图对于一个特定的random variable的值,可能对应这很多outcomes,这些outcomes就会形成一个subset,也就是事件event。
概率质量函数PMF描述的就是,对于random variable X这个映射,当映射结果是x时,对应outcomes 形成的subset event的概率。
因为
p
X
(
x
)
p_X(x)
pX(x)代表了random variable 等于x时,outcomes集合的概率,那么这个概率一定大于等于0,最小为空集也就是0。每个x对应一个集合,所有x对应集合的加和就是样本空间,所以
∑
x
p
X
(
x
)
=
1
\sum_{x}p_X(x) = 1
∑xpX(x)=1
掷硬币,random variable是第一次head朝上的投掷次数
这个例子比较简单,因为每个value只对应一个outcome,所以每个value对应的事件是只含有一个元素的集合, 例如
x
=
2
x = 2
x=2 对应 {TH}这个事件,其中只有一个outcome TH。
geometric 是等比数列的意思
在这个例子中。 一个random variable的值对应着多个outcomes形成的事件。
假如有一个游戏抽奖,抽到1 的概率是
1
6
\frac{1}{6}
61,抽到2的概率是
1
2
\frac{1}{2}
21,抽到4的概率是
1
3
\frac{1}{3}
31,那么抽一次奖,我们期望能得多少钱呢,答案就是
1
6
∗
1
+
1
2
∗
2
+
1
3
∗
4
=
2.5
\frac{1}{6} * 1 + \frac{1}{2} * 2 + \frac{1}{3} * 4 = 2.5
61∗1+21∗2+31∗4=2.5
上图里面hard是直接对Y求期望,对于y1和 y2 分别找到蓝圈对应的event的概率。
上图里的easy是对每个x找到对应的event(红圈)和x对应的y值(g(x))再求期望。
caution: In general, you can not reason on the average.
tangle up:缠在一起,包含; 扭结;