
一.隨機(jī)變量(實(shí)際上是函數(shù))
概率論的目的:給定隨機(jī)試驗(yàn)的數(shù)據(jù)生成過程,研究數(shù)據(jù)的性質(zhì), 如概率分布(下面的二/三/四)、數(shù)字特征(五)。
概率分布:所有的可能結(jié)果和它們發(fā)生的可能性。(樣本空間+概率) 數(shù)字特征:由分布決定的隨機(jī)變量某一方面的特征的常數(shù),如數(shù)學(xué)期望和方差。
X : 輸入樣本空間的值,輸出實(shí)值

兩種隨機(jī)變量 :

二.離散型隨機(jī)變量X的分布律(離散型隨機(jī)變量的概率分布)

0-1分布 : 可用來解決兩類分布問題

二項(xiàng)分布 :
組合數(shù)C : 從n個(gè)不同元素中,任取m(m≤n)個(gè)元素并成一組,叫做從n個(gè)不同元素中取出m個(gè)元素的一個(gè)組合;從n個(gè)不同元素中取出m(m≤n)個(gè)元素的所有組合的個(gè)數(shù),叫做從n個(gè)不同元素中取出m個(gè)元素的組合數(shù)。
在線性寫法中被寫作C(n,m)。
組合數(shù)的計(jì)算公式為

n 元集合 A 中不重復(fù)地抽取 m 個(gè)元素作成的一個(gè)組合實(shí)質(zhì)上是 A 的一個(gè) m 元子集和。如果給集 A 編序

成為一個(gè)序集,那么 A 中抽取 m 個(gè)元素的一個(gè)組合對(duì)應(yīng)于數(shù)段

到序集 A 的一個(gè)確定的嚴(yán)格保序映射。組合數(shù)

的常用符號(hào)還有


舉例 :


分布律無法表示非離散型隨機(jī)變量的概率分布
三.分布函數(shù)(非離散型隨機(jī)變量,離散型隨機(jī)變量也可以用分布函數(shù)來表示)
實(shí)際應(yīng)用中我們只關(guān)心非離散型隨機(jī)變量在某個(gè)范圍的概率。

下面案例就是用分布函數(shù)表示分布律 :
X的取值為-1,1,3,x>=3時(shí)是必然事件,所以概率肯定是1

案例二 :

四.連續(xù)型隨機(jī)變量和概率密度函數(shù)
1.基礎(chǔ)
求導(dǎo)是數(shù)學(xué)計(jì)算中的一個(gè)計(jì)算方法,它的定義就是,當(dāng)自變量的增量趨于零時(shí),因變量的增量與自變量的增量之商的極限。在一個(gè)函數(shù)存在導(dǎo)數(shù)時(shí),稱這個(gè)函數(shù)可導(dǎo)或者可微分??蓪?dǎo)的函數(shù)一定連續(xù)。不連續(xù)的函數(shù)一定不可導(dǎo)。
2.定義


3.常見的概率密度函數(shù)
①.均勻分布

②.正態(tài)分布(高斯分布)
其概率密度函數(shù)為正態(tài)分布的期望值μ(miu)決定了其位置,其標(biāo)準(zhǔn)差σ(色伽馬)決定了分布的幅度。當(dāng)μ = 0,σ = 1時(shí)的正態(tài)分布是標(biāo)準(zhǔn)正態(tài)分布。所有值都可導(dǎo)

③.拉普拉斯分布
在中心點(diǎn)不可導(dǎo),比不上正態(tài)分布

五.數(shù)學(xué)期望與方差
1.數(shù)學(xué)期望(平均值)

絕對(duì)收斂 : 不等于正無窮也不等于負(fù)無窮(收斂 : 是指會(huì)聚于一點(diǎn),向某一值靠近)


2.方差
求方差過程中首先取與數(shù)據(jù)期望的偏差,取平方是為了消除偏差負(fù)值的影響,從而防止偏差正負(fù)想消帶來的影響,從而使得標(biāo)準(zhǔn)差完全反映偏差的幅度,開方是因?yàn)橹叭×似椒?因此開方將計(jì)算結(jié)果拉回到原來偏差幅度的量級(jí)

E(X) : 均值(是常數(shù))


