概率质量函数(Probability Mass Function)和期望课程笔记
来源:互联网 发布:java数组的使用 编辑:程序博客网 时间:2024/06/08 18:31
随机变量的数学定义
从样本空间到实数值的映射函数。
一个样本空间可以定义多个随机变量
一个或几个随机变量的函数构成一个新的随机变量
概率质量函数的定义
上面公式的含义为在随机变量X的映射函数下,所有样本空间中的结果在此映射下输出结果为x的概率。
属性如下:
pX(x)≥0 ∑xpX(x)=1
Bernoulli和指示器随机变量
Bernoulli随机变量定义:
参数p的取值为:
它适合对结果只有成功或失败、正面或背面、等等来进行建模。
指示器随机变量定义:
事件A的指示器随机变量:
因此:
指示器随机变量是非常有用的,因为它把对事件的操作转换成了对随机变量的操作。有时,对随机变量计算比对事件更加容易。
离散均匀随机变量
例子如下:
二项随机变量
例子如下:
二项随机变量的PMF图像如下:
几何随机变量
例子如下:
随机变量的期望值/平均值
定义:
上面的定义可以解释成大量独立实验的平均值。
注意:如果我们有无穷的求和项,那么我们需要将此式定义明确。所以,我们假设
Bernoulli和指示器随机变量的期望值
E[X] = 1 * p + 0 * (1 - p) = p
指示器随机变量的期望值:
均匀随机变量的期望值
期望的基本属性
用于计算E[g(X)]的期望值规则
设X为随机变量,令Y = g(X).
则
注意:通常情况下,
期望的线性
E[aX + b] = aE[X] + b.
基于期望值规则的推导:
令g(x) = ax + b.
E[g(x)] = E[ax + b] =
在这个例子中,E[g(x)] = g(E[x])。当g(x)是线性函数时,这个等式成立。当其为非线性函数时,通常情况下是不成立的。
- 概率质量函数(Probability Mass Function)和期望课程笔记
- 概率密度函数(probability density function)课程笔记
- 统计学 入门基础PDF( Probability Density Function) 和PMF ( Probability Mass Function )
- 联合概率(joint probability)、分布函数(distribution function)
- 2318: Spoj4060 game with probability Problem|概率与期望
- 概率和期望
- 概率和期望
- 概率模型和公理课程笔记
- 概率分布函数, 概率密度函数与概率质量函数
- bzoj 2318: Spoj4060 game with probability Problem (概率与期望DP)
- 统计学 入门基础概念篇 Probability 概率部分 (个人笔记)
- 概率 期望
- 期望概率
- UVA 11346 - Probability(概率)
- uva 11346 - Probability(概率)
- [UVA11181] Probability|Given && 概率
- Probability Meature 概率测度
- UVa11346 - Probability (连续概率)
- 选择排序(解析及代码实现)
- 在rhel7下,安装oracle database时不能选择xfs文件,原因是不支持
- SPL库的基本介绍(1)
- Linux下/proc目录简介
- 设计模式----组合模式(C#)
- 概率质量函数(Probability Mass Function)和期望课程笔记
- 《Java 2 实用教程》读书笔记(二)
- HTML 5 的自定义 data-* 属性和jquery的data()方法的使用
- Android 安全相关技巧 --正确使用ADB
- CADisplayLink
- Element.insertAdjacentHTML(position, text)
- 小白书贪心之区间选点问题
- 使用scrapy抓取糗事百科
- Annotation(注解)的简单理解