博文
随机变量
|||
一、
随机变量，是对随机实验的结果进行量化，根据取值的不同，分为离散型随机变量和连续型随机变量。
一般从两方面研究随机变量，一是概率，概率密度、概率分布函数；二是统计特征（数学特征），如数学期望，方差
随机变量，是对随机实验的结果进行量化，根据取值的不同，分为离散型随机变量和连续型随机变量。
一般从两方面研究随机变量，一是概率，概率密度、概率分布函数；二是统计特征（数学特征），如数学期望，方差
为了直观的理解，我们可以画一个横轴，取值1，2 ，3，…………N,表示第i次随机实验；再画一纵横，表示随机变量X的取值，为方便起见，设其为连续型随机变量；
那么我们就可以得到很多的离散点（x,y）,x=1 2 3...;y为连续值
如果过纵轴某点x0,做一平行横轴的直线，可以使离散点均匀分布在这条直线的两端，那么x0就是随机变量的数学期望。
如果过纵轴某点x1,做一平行横轴的直线，直线穿过了m个点，那么随机变量取得x1的概率为m/N;
如果过纵轴某点x1,做一平行横轴的直线，直线穿过了m个点，那么随机变量取得x1的概率为m/N;
下面，用横轴表示随机变量X，纵轴表示概率，我们可以得到一条曲线，就是概率密度了。
而概率分布函数，是用来计算随机变量落在某个数值区间的概率。
二、
正态分布，又称高斯分布，现实中很多随机变量都服从这个分布。
它的概率密度曲线，是个对称型的倒钟形状，且对称线过数学期望值。
按一中表述，就是这个现像：越靠近过数学期望值的直线，离散点越密集；越远离，越稀少。这也符合现实中的现像。
按一中表述，就是这个现像：越靠近过数学期望值的直线，离散点越密集；越远离，越稀少。这也符合现实中的现像。
https://m.sciencenet.cn/blog-741917-626865.html
上一篇：蒙特卡洛方法
下一篇：放疗剂量计算之点核模型
扫一扫，分享此博文
全部作者的其他最新博文
- • 放疗剂量计算之点核模型
- • 蒙特卡洛方法
- • 质量控制和质量保证
- • 射线能量和强度
全部精选博文导读
相关博文
- • Minerals线下恳谈会：履践致远、与时偕行——对话中国科学院广州地球化学研究所期刊合作学者
- • 聚英才 建高地 | 北京理工大学“特立青年学者”全球招聘开启
- • 700年后日本或濒临灭绝？日本学者推算预测：届时或仅剩1名15岁以下孩子
- • [转载]【同位素视角】非英语母语学者如何区分’e.g.’, ‘i.e.’, ‘namely’与‘such as’等混淆难题
- • 美国佐治亚大学等机构学者：刈割策略对Bulldog 805紫花苜蓿+Tifton 85狗牙根混播草地产量及品质的影响
- • 美国堪萨斯州立大学、密苏里大学等机构学者研究成果：土壤水分管理策略和品种多样性对紫花苜蓿产量、营养品质和农场盈利能力的影