Random Variables; Probability Mass Functions; Expectations"/>
Lecture 5: Discrete Random Variables; Probability Mass Functions; Expectations
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;
更多推荐
Lecture 5: Discrete Random Variables; Probability Mass Functions; Expectations
发布评论