概率论与数理统计(三)

接下来讨论的对象就是随机变量了,而不是事件。随机变量可以由事件映射得到,本文就不详细讲这个了,有时间再补充。现在讲一下随机变量的基本类型与随机标量的独立性。

离散型随机变量

当我们的sample space Ω \Omega Ω的outcome都是discrete的时候,从事件的sample space映射到随机变量的sample space的outcome也是discrete的,这样的话我们称该随机变量是离散的。如掷骰子只有6种可能的结果;某路口一个月车祸的数量可以取0,1,2,…
对于离散型随机变量,我们通常只定义pmf和cdf。什么是pmf和cdf呢?

pmf:probability mass function, 概率质量函数,定义了离散随机变量每一点的概率值
cdf:cumulative distribution function, 累积分布函数,也叫分布函数,当随机变量是离散变量时,分布函数是pmf的累加;当随机变量是连续变量时,分布函数是pdf的积分。
pdf:Probability density function, 概率密度函数,定义了连续随机变量每一点的概率密度值,该值可以衡量在某个点取值的可能性大小,并非概率。

连续随机变量

当我们源事件的sample space Ω \Omega Ω的outcome都是continuous的时候,从源事件映射得到的随机变量的sample space的outcome也是continuous的。
对于连续随机变量,其每一点的概率值都为0,因此我们通常只定义pdf和cdf。且cdf的导函数就是pdf。

未完待续。

你可能感兴趣的:(数学,机器学习)