随机变量


























统计学系列条目
概率论
Nuvola apps atlantik.png

  • 概率公理


  • 概率空間

  • 样本空间

  • 基本事件

  • 事件

  • 随机变量

  • 機率測量


  • 对立事件

  • 联合分布

  • 边缘分布

  • 条件概率


  • 統計獨立性

  • 條件獨立

  • 全概率公式

  • 大数定律

  • 贝叶斯定理

  • 布尔不等式


  • 文氏图

  • 樹形圖

  • 查

  • 论

  • 编


給定樣本空间(S,F){displaystyle (S,mathbb {F} )}(S,{mathbb {F}})，如果其上的實值函數
X:S→R{displaystyle X:Sto mathbb {R} }X:Sto {mathbb {R}}是F{displaystyle mathbb {F} }mathbb{F} (實值)可測函數，则稱X{displaystyle X}X為（實值）随机变量。初等概率論中通常不涉及到可測性的概念，而直接把任何X:S→R{displaystyle X:Sto mathbb {R} }X:Sto {mathbb {R}}的函數稱為随机变量。


如果X{displaystyle X}X指定给概率空间S{displaystyle S}S中每一个事件e{displaystyle e}e有一个实数X(e){displaystyle X(e)}X(e)，同时针对每一个实数r{displaystyle r}r都有一个事件集合Ar{displaystyle A_{r}}A_{r}与其相对应，其中Ar={displaystyle A_{r}=}A_{r}= {e:X(e){displaystyle e:X(e)}e:X(e) ≤ r{displaystyle r}r}，那么X{displaystyle X}X被称作随机变量。随机变量一般用大写拉丁字母或小写希腊字母（比如X,Y,Z,ξ,η{displaystyle X,Y,Z,xi ,eta }X,Y,Z,xi ,eta ）来表示，从上面的定义注意到，随机变量实质上是函数，不能把它的定义与变量的定义相混淆，另外概率函数P{displaystyle P}P并没有在考虑之中。




实数坐标轴上的随机变量示意图


例如，随机掷两个骰子，整个事件空间可以由36个元素组成：


S={(i,j)|i=1,…,6,;j=1,…,6}{displaystyle S=lbrace (i,j)|i=1,ldots ,6,;j=1,ldots ,6rbrace }S=lbrace (i,j)|i=1,ldots ,6,;j=1,ldots ,6rbrace

这里可以构成多个随机变量，比如随机变量X{displaystyle X}X（获得的两个骰子的点数和）或者随机变量Y{displaystyle Y}Y（获得的两个骰子的点数差），随机变量X{displaystyle X}X可以有11个整数值，而随机变量Y{displaystyle Y}Y只有6个。



X(i,j):=i+j,x=2,3,…,12{displaystyle X(i,j):=i+j,x=2,3,ldots ,12}X(i,j):=i+j,x=2,3,ldots ,12

Y(i,j):=∣i−j∣,y=0,1,2,3,4,5.{displaystyle Y(i,j):=mid i-jmid ,y=0,1,2,3,4,5.}Y(i,j):=mid i-jmid ,y=0,1,2,3,4,5.


又比如，在一次扔硬币事件中，如果把获得的背面的次数作为随机变量X{displaystyle X}X，则X{displaystyle X}X可以取两个值，分别是0和1。


如果随机变量X{displaystyle X}X的取值是有限的或者是可数无穷尽的值



X={x1,x2,x3,…,}{displaystyle X=lbrace x_{1},x_{2},x_{3},ldots ,rbrace }X=lbrace x_{1},x_{2},x_{3},ldots ,rbrace ,

则称X{displaystyle X}X为离散随机变量。
如果X{displaystyle X}X由全部实数或者由一部分区间组成，



X={x|a≤x≤b}{displaystyle X=lbrace x|aleq xleq brbrace }X=lbrace x|aleq xleq brbrace , −∞<a<b<∞{displaystyle -infty <a<b<infty }-infty <a<b<infty

则称X{displaystyle X}X为连续随机变量，连续随机变量的取值是不可数及无穷尽的。




目录






  • 1 性质


    • 1.1 不确定性


    • 1.2 基本类型


      • 1.2.1 离散型随机变量


      • 1.2.2 连续型随机变量






  • 2 详细分析


    • 2.1 表示方法


    • 2.2 研究方法




  • 3 随机变量的函数


    • 3.1 例子




  • 4 參見


  • 5 參考文獻


  • 6 外部連接





性质



不确定性


随机变量在不同的条件下由于偶然因素影响，其可能取各种随机变量不同的值，具有不确定性和随机性，但这些取值落在某个范围的概率是一定的，此种变量称为随机变量。随机变量可以是离散型的，也可以是连续型的。如分析测试中的测定值就是一个以概率取值的随机变量，被测定量的取值可能在某一范围内随机变化，具体取什么值在测定之前是无法确定的，但测定的结果是确定的，多次重复测定所得到的测定值具有统计规律性。随机变量与模糊变量的不确定性的本质差别在于，后者的测定结果仍具有不确定性，即模糊性。



基本类型


简单地说，随机变量是指随机事件的数量表现。某地若干名男性健康成人中，每人血红蛋白量的测定值；等等。另有一些现象并不直接表现为数量，例如人口的男女性别、试验结果的阳性或阴性等，但我们可以规定男性为1，女性为0，则非数量标志也可以用数量来表示。这些例子中所提到的量，尽管它们的具体内容是各式各样的，但从数学观点来看，它们表现了同一种情况，这就是每个变量都可以随机地取得不同的数值，而在进行试验或测量之前，我们要预言这个变量将取得某个确定的数值是不可能的。
按照随机变量可能取得的值，可以把它们分为两种基本类型：



离散型随机变量


即在一定区间内变量取值为有限个，或数值可以一一列举出来。例如某地区某年人口的出生数、死亡数，某药治疗某病病人的有效数、无效数等



连续型随机变量


即在一定区间内变量取值有无限个，或数值无法一一列举出来。例如某地区男性健康成人的身长值、体重值，一批传染性肝炎患者的血清转氨酶测定值等。



详细分析



表示方法


随机试验结果的量的表示。例如掷一颗骰子出现的点数，电话交换台在一定时间内收到的呼叫次数，随机抽查的一个人的身高，悬浮在液体中的微粒沿某一方向的位移，等等，都是随机变量的实例。
一个随机试验的可能结果（称为基本事件）的全体组成一个基本空间Ω(见概率)。随机变量x是定义于Ω上的函数，即对每一基本事件ω∈Ω，有一数值x(ω)与之对应。以掷一颗骰子的随机试验为例，它的所有可能结果见，共6个，分别记作ω1,ω2,ω3,ω4,ω5,ω6,这时，Ω={ω1,ω2,ω3,ω4,ω5,ω6},而出现的点数这个随机变量x，就是Ω上的函数x(ωk)=k，k=1,2,…，6。又如设Ω={ω1,ω2,…，ωn}是要进行抽查的n个人的全体，那么随意抽查其中一人的身高和体重，就构成两个随机变量x和Y,它们分别是Ω上的函数：x(ωk)=“ωk的身高”，Y(ωk)=“ωk的体重”，k=1,2,…，n。一般说来，一个随机变量所取的值可以是离散的（如掷一颗骰子的点数只取1到6的整数，电话台收到的呼叫次数只取非负整数），也可以充满一个数值区间，或整个实数轴（如液体中悬浮的微粒沿某一方向的位移）。



研究方法


在研究随机变量的性质时，确定和计算它取某个数值或落入某个数值区间内的概率是特别重要的。因此，随机变量取某个数值或落入某个数值区间这样的基本事件的集合，应当属于所考虑的事件域。根据这样的直观想法，利用概率论公理化的语言，取实数值的随机变量的数学定义可确切地表述如下：概率空间(Ω,F,p)上的随机变量x是定义于Ω上的实值可测函数，即对任意ω∈Ω，x(ω)为实数，且对任意实数x，使x(ω)≤x的一切ω组成的Ω的子集{ω:x(ω)≤x}是事件，也即是F中的元素。事件{ω:x(ω)≤x}常简记作{x≤x}，并称函数F(x)=p(x≤x)，-∞<x<∞ ，为x的分布函数。
设x,Y是概率空间(Ω,F,p)上的两个随机变量，如果除去一个零概率事件外，x(ω)与Y(ω)相同，则称x=Y以概率1成立，也记作p(X=Y)=1或X=Y,α.s.（α.s.意即几乎必然）。


有些随机现象需要同时用多个随机变量来描述。例如对地面目标射击，弹着点的位置需要两个坐标才能确定，因此研究它要同时考虑两个随机变量，一般称同一概率空间(Ω,F,p)上的n个随机变量构成的n维向量X=(x1,x2,…，xn)为n维随机向量。随机变量可以看作一维随机向量。称n元x1,x2,…，xn的函数为X的(联合)分布函数。又如果(x1,x2)为二维随机向量，则称x1+ix2(i2=-1)为复随机变量。
随机变量的独立性 　独立性是概率论所独有的一个重要概念。设x1,x2,…，xn是n个随机变量，如果对任何n个实数x1,x2,…，xn都有 即它们的联合分布函数F(x1,x2,…，xn)等于它们各自的分布函数F1(x1),F2(x2),…，Fn(xn)的乘积。则称x1，x2,…，xn是独立的。这一定义可以直接推广到每一xk(k=1,2,…，n)是随机向量的情形。独立性的直观意义是：x1,x2,…，xn中的任何一个取值的概率规律，并不随其中的其他随机变量取什么值而改变。在实际问题中通常用它来表征多个独立操作的随机试验结果或多种有独立来源的随机因素的概率特性，因此它对于概率统计的应用是十分重要的。


从随机变量(或向量)x1，x2,…，xn的独立性还可以推出：设Bk是xk取值的空间中的任意波莱尔集，k=1,2,…，n。设x1,x2,…，xn是独立的，则它们中的任意个都是独立的。但逆之即使其中任何n-1个是独立的，也不保证x1,x2,…，xn是独立的。又如果ƒj(x),i=1,2,…，n,是n个连续函数或初等函数(或更一般的波莱尔可测函数)，则从x1,x2,…，xn的独立性可推出ƒ1(x1)，ƒ2(x2),…，ƒn(xn)也独立。如果随机变量(随机向量)序列x1,x2,…，xn,…中任何有限个都独立，则称之为独立随机变量（随机向量）序列。
关于随机变量的矩、特征函数、母函数及半不变量，分别见数学期望、方差、矩及概率分布。



随机变量的函数


一个新的随机变量能被博雷尔 (Borel) 可测函数定义 g:R→R{displaystyle gcolon mathbb {R} rightarrow mathbb {R} }gcolon {mathbb {R}}rightarrow {mathbb {R}} 来产生一个随机变量X. Y的累积分布函数是：


FY(y)=P⁡(g(X)≤y).{displaystyle F_{Y}(y)=operatorname {P} (g(X)leq y).}F_{Y}(y)=operatorname {P}(g(X)leq y).

如果博雷尔函数可逆：


FY(y)=P⁡(g(X)≤y)={P⁡(X≤g−1(y))=FX(g−1(y)),if g−1 increasing,P⁡(X≥g−1(y))=1−FX(g−1(y)),if g−1 decreasing.{displaystyle F_{Y}(y)=operatorname {P} (g(X)leq y)={begin{cases}operatorname {P} (Xleq g^{-1}(y))=F_{X}(g^{-1}(y)),&{text{if }}g^{-1}{text{ increasing}},\\operatorname {P} (Xgeq g^{-1}(y))=1-F_{X}(g^{-1}(y)),&{text{if }}g^{-1}{text{ decreasing}}.end{cases}}}F_{Y}(y)=operatorname {P}(g(X)leq y)={begin{cases}operatorname {P}(Xleq g^{{-1}}(y))=F_{X}(g^{{-1}}(y)),&{text{if }}g^{{-1}}{text{ increasing}},\\operatorname {P}(Xgeq g^{{-1}}(y))=1-F_{X}(g^{{-1}}(y)),&{text{if }}g^{{-1}}{text{ decreasing}}.end{cases}}

得到它的概率密度函数：


fY(y)=fX(g−1(y))|dg−1(y)dy|.{displaystyle f_{Y}(y)=f_{X}(g^{-1}(y))left|{frac {dg^{-1}(y)}{dy}}right|.}f_{Y}(y)=f_{X}(g^{{-1}}(y))left|{frac {dg^{{-1}}(y)}{dy}}right|.


例子


定义X为实数，在连续性随机变量里，让 Y = X2


FY(y)=P⁡(X2≤y).{displaystyle F_{Y}(y)=operatorname {P} (X^{2}leq y).}F_{Y}(y)=operatorname {P}(X^{2}leq y).

如果y < 0，那么 P(X2 ≤ y) = 0


FY(y)=0ify<0.{displaystyle F_{Y}(y)=0qquad {hbox{if}}quad y<0.}F_{Y}(y)=0qquad {hbox{if}}quad y<0.

如果y ≥ 0


P⁡(X2≤y)=P⁡(|X|≤y)=P⁡(−y≤X≤y),{displaystyle operatorname {P} (X^{2}leq y)=operatorname {P} (|X|leq {sqrt {y}})=operatorname {P} (-{sqrt {y}}leq Xleq {sqrt {y}}),}operatorname {P}(X^{2}leq y)=operatorname {P}(|X|leq {sqrt {y}})=operatorname {P}(-{sqrt {y}}leq Xleq {sqrt {y}}),

可以得到：


FY(y)=FX(y)−FX(−y)ify≥0.{displaystyle F_{Y}(y)=F_{X}({sqrt {y}})-F_{X}(-{sqrt {y}})qquad {hbox{if}}quad ygeq 0.}F_{Y}(y)=F_{X}({sqrt {y}})-F_{X}(-{sqrt {y}})qquad {hbox{if}}quad ygeq 0.


參見



  • 概率论

  • 隨機分佈

  • 隨機性

  • 隨機向量

  • 隨機函數

  • 生成函數

  • 算法信息论

  • 随机变量的收敛



參考文獻


.mw-parser-output .refbegin{font-size:90%;margin-bottom:0.5em}.mw-parser-output .refbegin-hanging-indents>ul{list-style-type:none;margin-left:0}.mw-parser-output .refbegin-hanging-indents>ul>li,.mw-parser-output .refbegin-hanging-indents>dl>dd{margin-left:0;padding-left:3.2em;text-indent:-3.2em;list-style:none}.mw-parser-output .refbegin-100{font-size:100%}



  • Fristedt, Bert; Gray, Lawrence. A modern approach to probability theory. Boston: Birkhäuser. 1996. ISBN 3-7643-3807-5. 


  • Kallenberg, Olav. Random Measures 4th. Berlin: Akademie Verlag. 1986. ISBN 0-12-394960-2. MR MR0854102. 


  • Kallenberg, Olav. Foundations of Modern Probability 2nd. Berlin: Springer Verlag. 2001. ISBN 0-387-95313-2. 


  • Papoulis, Athanasios. Probability, Random Variables, and Stochastic Processes 9th. Tokyo: McGraw–Hill. 1965. ISBN 0-07-119981-0. 




外部連接




  • Hazewinkel, Michiel (编), Random variable, 数学百科全书, Springer, 2001, ISBN 978-1-55608-010-4 


  • Zukerman, Moshe, Introduction to Queueing Theory and Stochastic Teletraffic Models (PDF), 2014 


  • Zukerman, Moshe, Basic Probability Topics (PDF), 2014 



































Comments

Post a Comment

Popular posts from this blog

Information security

Image
This article is part of a series on Information security Related security categories Internet security Cyberwarfare Computer security Mobile security Network security Threats Computer crime Vulnerability Eavesdropping Malware Spyware Ransomware Trojans Viruses Worms Rootkits Bootkits Keyloggers Screen scrapers Exploits Backdoors Logic bombs Payloads Denial of service Defenses Computer access control Application security Antivirus software Secure coding Secure by default Secure by design Secure operating systems Authentication Multi-factor authentication Authorization Data-centric security Encryption Firewall Intrusion detection system Mobile secure gateway Runtime application self-protection (RASP) v t e Information security , sometimes shortened to InfoSec , is the practice of preventing unauthorized access, use, disclosure, disruption, modification, inspection, recording or destruction of information. Th...
Read more

Volkswagen Group MQB platform

Image
The Volkswagen Group MQB platform is the company's strategy for shared modular design construction of its transverse, front-engine, front-wheel-drive layout (optional front-engine, four-wheel-drive layout) automobiles. Volkswagen spent roughly $60bn [1] developing this new platform and the cars employing it. The platform underpins a wide range of cars from the supermini class to the mid size SUV class. MQB allows Volkswagen to assemble any of its cars based on this platform across all of its MQB ready factories. This allows the Volkswagen group flexibility to shift production as needed between its different factories. Beginning in 2012, Volkswagen Group marketed the strategy under the code name MQB , which stands for Modularer Querbaukasten , translating from German to "Modular Transversal Toolkit" or "Modular Transverse Matrix". [2] [3] MQB is one strategy within VW's overall MB (Modularer Baukasten or modular matrix) program which also includes th...
Read more

刘萌萌

Image
body.skin-minerva .mw-parser-output table.infobox caption{text-align:center} 刘萌萌 女演员 罗马拼音 Liu Meng Meng 英文名 Cya 国籍   中国 民族 汉族 出生 ( 1989-10-16 ) 1989年10月16日 （ 29歲）   中国辽宁省大连市 职业 演员、艺人 语言 汉语 教育程度 沈阳音乐学院 北京电影学院表演系进修班 活跃年代 2011年至今 唱片公司 浙江永乐影视制作有限公司 经纪公司 浙江永乐影视制作有限公司 网站 刘萌萌 官方微博 刘萌萌 （1989年10月16日 － ），汉族，中国演员，2010年参加湖南卫视《芒果训练营》而出道至今，凭借电视剧《爱情公寓》“诺澜”一角走红。北京电影学院10级表演系（进修班）毕业。 目录 1 主要经历 2 影视作品 2.1 电视剧 2.2 电影 2.3 综艺节目 3 参考文献 4 外部链接 主要经历 1989年，出生于辽宁省大连市一个工人家庭； 2006年，考入沈阳音乐学院舞蹈系本科班学习； 2010年，参加湖南卫视《芒果训练营》演艺新秀比赛而出道 [1] ；進入北京电影学院表演系进修班 2011年，出演电视剧《隋唐演义》“琼花公主”一角色； 2012年，担任电视剧《爱情公寓》“诺澜”一角并开始走红 [2] ； 2013年，担任电视剧《利箭纵横》《利剑行动》 [3] 女主角“林筱雨” 2014年，参加江苏卫视真人秀栏目《花样年华》 [4] 备受瞩目 [5] 。 影视作品 电视剧 首播年份 剧名 角色 备注 2012 《爱情公寓3》 诺澜 2012 《利箭行动》 林筱雨 2013 《隋唐演义》 琼花公主 2013 《决战燕子门》 马晓婉 2014 《利箭纵横》 林筱雨 2014 《屌丝日记》 林洛霏 網絡劇 2014 《爱情公寓4》 诺澜 ...
Read more