title: 【概率论】3-8:随机变量函数(Functions of a Random Variable)

categories:

  • Mathematic
  • Probability

    keywords:
  • The Probability Integral Transformation
  • 概率积分变换
  • Simulation
  • 仿真
  • Pseudo-Random Numbers
  • 伪随机数
  • General Function

    toc: true

    date: 2018-03-16 09:49:24



Abstract: 本文介绍通过函数这个工具,来研究随机变量

Keywords: The Probability Integral Transformation,Simulation,Pseudo-Random Numbers,General Function

开篇废话

我们到目前为止对概率的研究经过了试验结果,事件,随机变量大概这三个过程,其实每个过程都是更高层的抽象,比如,对于直观的事实,实验结果,我们通过一种函数,或者称为一种收集,将结果抽象成了事件,而对事件研究了一段时间后又将事件通过函数(随机变量)映射到了实数域,整个过程,更加抽象,更加复杂,但是计算和模拟现实中的试验结果变得更加容易更加准确。

对于实数的研究,函数是绕不开的话题,而函数的微分积分等又是现代科学的基础,所以本文简要的介绍下随机变量的函数。

问题的描述变成了当我们已知一个随机变量 XXX 具有某个p.f. 或者 p.d.f 那么随机变量 Y=f(x)Y=f(x)Y=f(x) 分布是什么。

Random Variable with a Discrete Distribution

先看一个例子:

离散随机变量 XXX 在 [1,…,9][1,\dots ,9][1,…,9] 有一个均匀分布,我们关系的是随机变量距离区间中心5的距离Y的分布情况。

这时候 YYY 的定义的数学化表示是: Y=∣X−5∣Y=|X-5|Y=∣X−5∣ 其分布函数不太好写,但是可以列举出来:

Y∈{0,1,2,3,4}Pr(Y=1)=Pr(X∈4,6)=29Pr(Y=2)=Pr(X∈3,7)=29Pr(Y=3)=Pr(X∈2,8)=29Pr(Y=4)=Pr(X∈1,9)=29Pr(Y=0)=Pr(X∈5)=19
Y\in \{0,1,2,3,4\}\\
Pr(Y=1)=Pr(X\in {4,6})=\frac{2}{9}\\
Pr(Y=2)=Pr(X\in {3,7})=\frac{2}{9}\\
Pr(Y=3)=Pr(X\in {2,8})=\frac{2}{9}\\
Pr(Y=4)=Pr(X\in {1,9})=\frac{2}{9}\\
Pr(Y=0)=Pr(X\in {5})=\frac{1}{9}\\
Y∈{0,1,2,3,4}Pr(Y=1)=Pr(X∈4,6)=92​Pr(Y=2)=Pr(X∈3,7)=92​Pr(Y=3)=Pr(X∈2,8)=92​Pr(Y=4)=Pr(X∈1,9)=92​Pr(Y=0)=Pr(X∈5)=91​

这就是一个最简单的例子,关于离散随机变量的函数的分布问题。

Theorem Function of a Discrete Random Variable. Let XXX have a discrete distribution with p.f. fff and let Y=r(X)Y=r(X)Y=r(X) for some function of rrr defined on the set of possible values of XXX For each possible value y of YYY the p.f. ggg of YYY is

g(y)=Pr(Y=y)=Pr[r(X)=y]=∑x;r(x)=yf(x)
g(y)=Pr(Y=y)=Pr[r(X)=y]=\sum_{x;r(x)=y}f(x)
g(y)=Pr(Y=y)=Pr[r(X)=y]=x;r(x)=y∑​f(x)

解读下上面的公式,其实公式写的很清楚,当我们知道函数r了以后,满足 r(X)=yr(X)=yr(X)=y 的所有X对应的概率最后组合成了Y,所以要进行求和,其实这一步跟从试验结果得到事件的过程是一样的。但是下面对于连续分布来说,就非常不一样了。

以上为节选内容,完整原文地址:https://www.face2ai.com/Math-Probability-3-8-Fuctions-of-a-Random-Variable转载请标明出处

【概率论】3-8:随机变量函数(Functions of a Random Variable)的更多相关文章

  1. 【概率论】3-9:多随机变量函数(Functions of Two or More Random Variables)

    title: [概率论]3-9:多随机变量函数(Functions of Two or More Random Variables) categories: - Mathematic - Probab ...

  2. 【概率论】4-1:随机变量的期望(The Expectation of a Random Variable Part II)

    title: [概率论]4-1:随机变量的期望(The Expectation of a Random Variable Part II) categories: - Mathematic - Pro ...

  3. 【概率论】4-1:随机变量的期望(The Expectation of a Random Variable Part I)

    title: [概率论]4-1:随机变量的期望(The Expectation of a Random Variable Part I) categories: - Mathematic - Prob ...

  4. asp.net MVC helper 和自定义函数@functions小结

    asp.net Razor 视图具有.cshtml后缀,可以轻松的实现c#代码和html标签的切换,大大提升了我们的开发效率.但是Razor语法还是有一些棉花糖值得我们了解一下,可以更加强劲的提升我们 ...

  5. asp.net MVC 自定义@helper 和自定义函数@functions小结

    asp.net Razor 视图具有.cshtml后缀,可以轻松的实现c#代码和html标签的切换,大大提升了我们的开发效率.但是Razor语法还是有一些棉花糖值得我们了解一下,可以更加强劲的提升我们 ...

  6. 《A First Course in Probability》-chaper5-连续型随机变量-随机变量函数的分布

    在讨论连续型随机变量函数的分布时,我们从一般的情况中(讨论正态分布的文章中提及),能够得到简化版模型. 回忆利用分布函数和概率密度的关系求解随机变量函数分布的过程,有Y=g(x),如果g(x)是严格单 ...

  7. 《A First Course in Probability》-chaper5-连续型随机变量-随机变量函数的期望

    在关于离散型随机变量函数的期望的讨论中,我们很容易就得到了如下的等式: 那么推广到连续型随机变量,是否也存在类似的规律呢? 即对于连续型随机变量函数的期望,有: 这里给出一个局部的证明过程,完整的证明 ...

  8. 【Swift】 - 函数(Functions)总结 - 比较 与 C# 的异同

    1.0 函数的定义与调用( Defining and Calling Functions ) 习惯了C#了语法,看到下面的这样定义输入参数实在感到非常别扭,func 有点 Javascript的感觉, ...

  9. [转]asp.net MVC helper 和自定义函数@functions小结

    本文转自:http://www.cnblogs.com/jiagoushi/p/3904995.html asp.net Razor 视图具有.cshtml后缀,可以轻松的实现c#代码和html标签的 ...

随机推荐

  1. docker部署Eurake服务,服务节点无法注册服务

    前言 昨天在部署一个docker项目时遇到了一个问题,故记录下来. 环境说明 Centos7 Docker version 18.06.3-ce, build d7080c1 问题说明 该项目分别启动 ...

  2. C#使用HtmlAgilityPack快速爬虫

    HtmlAgilityPack真是一把网抓利器,可以迅速地从网页抓到想要的文本或数据,使用起来十分方便,引用时在NuGet安装添加并在头部引用using HtmlAgilityPack;即可. 针对网 ...

  3. Seaborn(二)之数据集分布可视化

    Seaborn(二)之数据集分布可视化 当处理一个数据集的时候,我们经常会想要先看看特征变量是如何分布的.这会让我们对数据特征有个很好的初始认识,同时也会影响后续数据分析以及特征工程的方法.本篇将会介 ...

  4. elementui禁用树形结构全部复选框

    需求:编辑回显数据后,禁用树形结构复选框,不可选中,无复选框也不可选中 <el-tabs v-model="activeName" @tab-click="hand ...

  5. epoll、mysql概念及简单操作

    epoll 程序阻塞的过程 假设我们目前运行了三个进程A B C ,如果他们都在处于运行态,那就会被加到一个运行队列中 进程A正在运行socket程序 在linux中有句话,万物皆文件,socket对 ...

  6. vue-cli搭建vue项目环境

    该篇文章是继https://www.cnblogs.com/qing-5/p/11321585.html来写 1.打开终端,输入指令"npm install --global vue-cli ...

  7. 小白_开始学Scrapy__原理

    整体架构 引擎(Scrapy Engine),用来处理整个系统的数据流处理,触发事务. 调度器(Scheduler),用来接受引擎发过来的请求,压入队列中,并在引擎再次请求的时候返回. 下载器(Dow ...

  8. 19C imp 导入合并表空间

    因为项目需要从9i 导数据到18C,所以发现如下特性 1.18C imp 导入数据,如果表空间在目标库没有,会将表导入到用户默认表空间 2.18C imp 导入数据,如果表空间在目标库有,但缺少权限. ...

  9. Image Processing and Analysis_15_Image Registration:Mutual-Information-Based Registration of Medical Survey——2003

    此主要讨论图像处理与分析.虽然计算机视觉部分的有些内容比如特 征提取等也可以归结到图像分析中来,但鉴于它们与计算机视觉的紧密联系,以 及它们的出处,没有把它们纳入到图像处理与分析中来.同样,这里面也有 ...

  10. 数据库—Innodb中的MVVC

    文章:Innodb中的MVVC 地址:https://www.jianshu.com/p/7e967d291c24