CONTINUOUS RANDOM VARIABLES AND PDFS 

连续的随机变量，顾名思义。就是随机变量的取值范围是连续的值，比如汽车的速度。气温。假设我们要利用这些參数来建模。那么就须要引入连续随机变量。

假设随机变量X是连续的，那么它的概率分布函数能够用一个连续的非负函数来表示，这个非负函数称作连续随机变量的概率密度函数（probability density function）。并且满足：

假设B是一个连续的区间，那么：

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvZnJvZ19pbl9hX3dlbGw=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast" width="300" height="70" alt="">

要注意的是不论什么一个点的概率是等于零的，由于：

所以对与表示概率时的大于等于。小于等于能够等同于大于和小于:

概率密度函数除了非零这个条件外，另一个条件。依据概率三公理之中的一个的normalization，连续随机变量的总概率等于1：

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvZnJvZ19pbl9hX3dlbGw=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast" width="300" height="65" alt="">

为了直观的理解连续随机变量的概率是什么，例如以下图，连续随机变量在某个区间发生的概率等于该变量概率密度函数在该区间下的面积，如图阴影部分：

所以。对于连续随机变量在区间δ发生的概率为：

直观的表演示样例如以下：

Expectation

连续随机变量X的期望值公式例如以下。就是将离散随机变量中的求和改为了积分：



 

对于随即变量x的函数。其期望值例如以下：



方差例如以下：

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvZnJvZ19pbl9hX3dlbGw=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast" width="300" height="40" alt="">

and：

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvZnJvZ19pbl9hX3dlbGw=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast" width="300" height="40" alt="">

同理离散随机变量，连续随机变量也符合线性原则：

CUMULATIVE
DISTRIBUTION FUNCTIONS 

随机变量的累计概率是指，P(X ≤ x)的概率。表演示样例如以下：

连续随机变量有下面性质：

-单调非递减性：

-FX(x)趋近于0当x趋近于负无穷，FX(x)趋近于1当x趋近于正无穷。

-假设x是离散随机变量。那么FX(x)呈阶梯状上升。假设x是连续随机变量，那么FX(x)呈连续变化上升状。下图分别为离散和连续随机变量的CDF。

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvZnJvZ19pbl9hX3dlbGw=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast" width="600" height="160" alt="">

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvZnJvZ19pbl9hX3dlbGw=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast" width="600" height="160" alt="">

-假设x是离散随机变量，那么它的PMF能够通过CDF相减得到，CDF能够通过对PMF相加得到：

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvZnJvZ19pbl9hX3dlbGw=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast" width="300" height="80" alt="">

-假设x是连续随机变量，那么它的CDF能够通过对PDF做定积分得到，PDF能够通过对CDF微分得到。

NORMAL RANDOM VARIABLES

正态分布的PDF表演示样例如以下：

μ 是随机变量X的期望，即均值。σ 是随机变量X的标准差。所以方差为σ2

正态分布也满足概率和为一的定理：

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvZnJvZ19pbl9hX3dlbGw=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast" width="300" height="70" alt="">

其PDF和CDF例如以下图所看到的（均值为1，方差为1的正态分布）：

当然，正态分布也满足连续随机变量的一般性质：

The Standard Normal Random Variable

标准正态分布是指均值为0，标准差为1的正态分布。它的CDF能够表示为，它的经常使用值被做成了表以供查找：

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvZnJvZ19pbl9hX3dlbGw=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast" width="400" height="70" alt="">

假设Y等于：，那么我们能够将不熟悉的Y转变成X再做计算。公式例如以下：

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvZnJvZ19pbl9hX3dlbGw=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast" width="300" height="34" alt="">

CONDITIONING ON AN EVENT

连续随机变量X与事件A的条件概率表演示样例如以下：

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvZnJvZ19pbl9hX3dlbGw=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast" width="300" height="60" alt="">

类似离散随机变量的条件概率公式，连续随机变量的条件概率例如以下：

连续随机变量X的期望：

对于X的函数g(x)的期望：

相对于离散函数的total probability，连续随机变量也有：

MULTIPLE CONTINUOUS RANDOM VARIABLES

两个连续随机变量的联合分布表演示样例如以下：

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvZnJvZ19pbl9hX3dlbGw=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast" width="300" height="60" alt="">

相同要注意的是f(x,y)是非负的函数。对于一定区间的x，y的概率表演示样例如以下：

像一个随机变量的一样，两个随机变量的PDF满足：

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvZnJvZ19pbl9hX3dlbGw=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast" width="300" height="60" alt="">

为了直观的了解两个随机变量的概念，令：

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvZnJvZ19pbl9hX3dlbGw=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast" width="400" height="50" alt="">

假设δ无限小，那么双随机变量的概率就相当于是函数f(x,y)在δ2 覆盖下的体积。

连续随机变量的边际概率等于。与离散随机变量的求和相应的是积分：

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvZnJvZ19pbl9hX3dlbGw=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast" width="300" height="70" alt="">

Expectation

两个随机变量的期望等于：

且有：

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvZnJvZ19pbl9hX3dlbGw=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast" width="300" height="40" alt="">

Conditioning One Random Variable on Another

X，Y是连续随机变量。其联合分布为：fX,Y，  X相对于Y的条件概率为：

条件概率也满足normalization的公式：

期望和条件概率的期望例如以下：

Inference and the Continuous Bayes’ Rule

对于连续的随机变量，也存在贝叶斯准则：

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvZnJvZ19pbl9hX3dlbGw=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast" width="300" height="50" alt="">

对于X是离散随机变量，Y是连续随机变量，贝叶斯准则例如以下：

依据全概率准则，能够得到f（y）:

Independence

连续型随机变量和离散型随机变量的独立类似：

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvZnJvZ19pbl9hX3dlbGw=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast" width="300" height="30" alt="">

x与y独立，说明x的发生与否不给y的发生与否提供不论什么信息。反之亦然，那么：

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvZnJvZ19pbl9hX3dlbGw=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast" width="300" height="20" alt="">

假设x，y相互独立，那么他们的乘积的期望等于他们期望的乘积：

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvZnJvZ19pbl9hX3dlbGw=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast" width="300" height="45" alt="">

另外他们的方差也呈线性：

Joint CDFs

连续随机变量的联合CDF表示为：

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvZnJvZ19pbl9hX3dlbGw=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast" width="400" height="50" alt="">

反之。通过二次偏微分能够求得其PDF：

More than Two Random Variables

对于大于两个连续型随机变量的概率公式能够依次类推：

DERIVED DISTRIBUTIONS

对于要求一个连续随机变量的PDF这类问题，我们时常通过绕弯路的方法先求其CDF，再通过对CDF微分求得其PDF。

对于连续随机变量X的线性函数，有：

对于单调函数：

直观的感受是f(X)乘以dh(y)等于P(X)，而f(y)乘以dy也等于P(X).例如以下图：

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvZnJvZ19pbl9hX3dlbGw=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast" width="400" height="350" alt="">

最后回想一下这一章典型的连续型随机变量：

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvZnJvZ19pbl9hX3dlbGw=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast" width="600" height="560" alt="">

版权声明：本文博主原创文章。博客，未经同意不得转载。

Introduction to Probability (5) Continus random variable的更多相关文章

  1. Codeforces Round #348 (VK Cup 2016 Round 2, Div. 1 Edition) C. Little Artem and Random Variable 数学

    C. Little Artem and Random Variable 题目连接: http://www.codeforces.com/contest/668/problem/C Descriptio ...

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

    title: [概率论]3-8:随机变量函数(Functions of a Random Variable) categories: Mathematic Probability keywords: ...

  4. 【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 ...

  5. Jmeter入门16 数据构造之随机数Random Variable & __Random函数

     接口测试有时参数使用随机数构造.jmeter添加随机数两种方式 1  添加配置 > Random Variable  2  __Random函数   ${__Random(1000,9999) ...

  6. Simple Random Sampling|representative sample|probability sampling|simple random sampling with replacement| simple random sampling without replacement|Random-Number Tables

    1.2 Simple Random Sampling Census, :全部信息 Sampling: 抽样方式: representative sample:有偏向,研究者选择自己觉得有代表性的sam ...

  7. Fuzzy Probability Theory---(3)Discrete Random Variables

    We start with the fuzzy binomial. Then we discuss the fuzzy Poisson probability mass function. Fuzzy ...

  8. Random variable

    \(\underline{cdf:}\)cumulative distribution function \(F(x)=P(X \leq x)\) \(\underline{pmf:}\)probab ...

  9. Introduction to Probability (三) Independence

    两个事件独立性的定义是:事件A的发生对事件B的发生毫无影响,即从A的发生与否.我们不能猜測出B是否发生. 从概率等式的表示来看就是B在A发生的情况下发生的概率等于B发生的概率本身. 进而引出了A与B同 ...

随机推荐

  1. [原创]C语言里为何会有“2+2=5”的结果

    原文链接:C语言里为何会有“2+2=5”的结果 写这篇原创文章是因为看到了极客中的一篇文章<有趣各种编程语言实现2+2=5>,其中C语言是这样实现的: int main() { ″; // ...

  2. 中标麒麟6.0_ICE3.4.2编译+demo测试（CPP）

    (菜鸟版)确保 gcc版本4.4.6(其他版本未测试),4.8不行 一.降级GCC到4.4.6 注意:gcc g++ c++命令都为4.4.6(可用gcc -v; g++ -v; c++ -v 命令查 ...

  3. 北广传媒RTMP流媒体服务器漏洞

    北广传媒移动电视(http://www.bj-mobiletv.com/)的RTMP流媒体服务器有漏洞 该漏洞可以上我们通过他们的服务器向互联网直播视频 使用任意可以发布RTMP流媒体的客户端(例如: ...

  4. Unix/Linux环境C编程入门教程(6) 安装Fedora C/C++开发环境

    安装Fedora  C/C++开发环境 1 Fedora 是一个开放的.创新的.前瞻性的操作系统和平台,基于 Linux. 2．选择自定义配置 3.设置版本为10.0 4.选择稍后安装 5.选择64位 ...

  5. window.open打开新页面，并将本页数据用过url传递到打开的页面；需要两个页面；

    页面1 <!doctype html> <html lang="en"> <head> <meta charset="UTF-8 ...

  6. html---textarea初始化时就有个table空格以及tab键操作无效

    1 初始化时就有一个tab空格 watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvRnJlZUFwZQ==/font/5a6L5L2T/fontsize/400 ...

  7. HDU 5024 Wang Xifeng&#39;s Little Plot 搜索

    pid=5024">点击打开链接 Wang Xifeng's Little Plot Time Limit: 2000/1000 MS (Java/Others)    Memory ...

  8. 简单的Cookie登录

    登录页前台代码 <form id="form1" action ="" method="post"> <input typ ...

  9. IE 调试JS加断点不管用 增加debugger

    ie按F12添加断点调试js不管用 有个方法在你想加断点前面加debugger,再调试就管用了

  10. python 实现单链表

    #! /usr/bin/env python ### ### Linked List python implementation ### ### @reference Data Structures ...