随机变量

  1. 定义:随机变量(random variable)表示随机现象(在一定条件下,并不总是出现相同结果的现象称为随机现象)中各种结果的实质函数(一切可能的样本点)。例如某一时间内公共汽车站等车的人数,电话交换台在一定时间内收到的呼叫次数。
  2. 详细解析:随机变量就是一个随机的数,它是对任何的“随机的东西”做的量化。下面我们对随机和量化做解释:
  • 随机的对象可以是任何东西:明天的天气是晴、阴、雨,扔硬币的结果可以是正面或者反面,这些结果并未用数字刻画。
  • 我们借助概率论来研究它们,因此我们要使用数学语言,于是我们可以把晴、阴、雨贴上标签,叫做0、1、2;然后把明天的天气状况用一个字母X来表示,于是“明天下雨”就变成了“X=2”。这样,这个原本没有数学描述的随机结果就变成了一个可能的取值为0、1、2的随机数,我们称之为随机变量
  • 总之,你把随机现象的种种可能性都用数字表达出来,并用一套数学语言描述,这就是随机变量。

随机过程

  1. 定义:随机过程是一组时间函数的集合,随机过程的每个样本函数(一个随机信号)是一个确定的时间函数x(t)(t = 0~T)。
  2. 详细解析: 从信号分析的角度看,一个随机过程就是针对一个实验测量无数个样本,每一个样本就是一个随机信号(且所有样本测量的时间都是0-T),以 X(t) 表示;然后我们把这些样本摆放如下:
    我们从两个角度描述这个图像:
  • 从纵向看,一个random process是你针对某个任务进行测量的所有样本信号的集合。
  • 从横向的角度,任意切一刀,你会看到所有你测量的样本信号在这个时刻的幅度值都不一样,它们是随机的(我们从中随机挑选一个),为了表征这些幅度值的统计特性,我们用random variable来表征,0-T中间有无数个random variable(相当于你切了无数刀),这些无数个随机变量的集合就是随机过程。
  1. 个人理解为:若对0-T天的天气进行预测
  • 将0-T天所有可能结果以向量结果存储(这时每个向量的结果都是已知的),并同时摆放即相当于从纵向看。
  • 将每一天的预测结果视作一个随机变量,将这些随机变量依次放到一个集合即相当于从横向看。

随机变量与随机过程详解相关推荐

  1. ​【文末有福利】连续型随机变量及实例详解

    如果随机变量X的所有可能取值不可以逐个列举出来,而是取数轴上某一区间内的任意点,那么称之为连续型随机变量.例如,一批电子元件的寿命.实际中常遇到的测量误差等都是连续型随机变量. >>> ...

  2. c语言随机变量seed,如何产生随机数?C语言rand()和srand()用法详解

    在实际编程中,我们经常需要生成随机数.因此rand()与srand()出现了,本文详解随机数相关内容 一.rand()函数相关 函数头文件:stdlib.h 函数定义:int rand(void) 函 ...

  3. 【学习记录】贝叶斯滤波详解

    贝叶斯滤波详解 贝叶斯滤波的用途(Bayesian Filtering): 贝叶斯滤波理论的应用可谓十分广泛.我们知道,在机器人运动过程中,有两个方面的信息来源,一个是通过我们实际控制机器人的运动路线 ...

  4. python参数估计_python简单实现最大似然估计scipy库的使用详解

    python简单实现最大似然估计 1.scipy库的安装 wim+R输入cmd,然后cd到python的pip路径,即安装:pip install scipy即可 2.导入scipy库 from sc ...

  5. matlab的NLP功能,pyhanlp 共性分析与短语提取内容详解

    pyhanlp 共性分析与短语提取内容详解 简介 HanLP中的词语提取是基于互信息与信息熵.想要计算互信息与信息熵有限要做的是 文本分词进行共性分析.在作者的原文中,有几个问题,为了便于说明,这里首 ...

  6. 详解CAPM的数学推导

    详解CAPM的数学推导 资本配置线 最优投资组合 市场投资者与资本资产定价公式 今年居然是咱本命年啊,难怪从二月开始就总是遇到各种奇奇怪怪的bug,不管怎么说还是祝我生日快乐吧.虽说已经不搞金融了,但 ...

  7. EM算法(Expectation Maximization Algorithm)详解

    EM算法(Expectation Maximization Algorithm)详解 主要内容 EM算法简介 预备知识  极大似然估计 Jensen不等式 EM算法详解  问题描述 EM算法推导 EM ...

  8. Lesson13【加餐】 损失函数的随机创建现象详解

    [Lesson 13 加餐]损失函数的随机创建现象详解   接下来,我们通过手动创建一个实例,来观察在小批梯度下降过程中,损失函数是如何根据数据数据变化而变化的,这里既是作为本节内容的一个补充,同时也 ...

  9. Lesson 8.1Lesson 8.2 决策树的核心思想与建模流程CART分类树的建模流程与sklearn评估器参数详解

    Lesson 8.1 决策树的核心思想与建模流程 从本节课开始,我们将介绍经典机器学习领域中最重要的一类有监督学习算法--树模型(决策树). 可此前的聚类算法类似,树模型也同样不是一个模型,而是一类模 ...

最新文章

  1. net转java_NET转Java
  2. UIView自定义控件-Swfit
  3. 2017年 JavaScript 框架回顾 -- React生态系统
  4. Service的启动 源码分析之—startService()
  5. [转载] python标准库系列教程(三)——operator库详细教程
  6. 压力测试神器stresstester源码分析
  7. java代码输出1到100的质数
  8. 关于华硕电脑FX80GE风扇模式无法调节
  9. 8.10.3 熊猫分布密度制图
  10. VMWare 16 pro虚拟机无法开启,打不开磁盘“E:\ubuntu16.04.vmdk”或它所依赖的某个快照磁盘,显示模块“Disk”启动失败
  11. 电脑录屏软件哪个好用,分享4款电脑录制视频清晰软件
  12. ID卡线圈和IC卡线圈的区别
  13. 网络安全等级保护工作流程
  14. 怎么在pdf上编辑文字内容
  15. Chrome浏览器上传图片或图片另存时浏览器无响应
  16. AcWing 297. 赤壁之战
  17. JDK安装配置-只需两步即可(附jdk安装包,win10系统)
  18. 滥用无限授权--你的地址还安全吗?
  19. python怎样算入门_python初学者怎么入门
  20. 996程序员入职一年多,同事涨4千他没涨,跟领导提涨薪,回复愣了

热门文章

  1. distiller的另一个实例正忙于启动_PLC编程实例丨一步一步教你设计PLC控制电机转停反控制系统~...
  2. android头像设置
  3. 《鸟哥的私房菜基础篇》第四版学习笔记——第0章 计算机概论
  4. 千峰python线下培训
  5. 华为MIB关键字IOD查询地址及方法
  6. 吴恩达机器学习笔记(七)神经网络:代价函数
  7. Android Q(10.0)版本新特性以及兼容性适配
  8. 有关PHP文档生成工具---PHPDocumentor
  9. Linux中压缩解压工具使用
  10. mysql 超卖_mysql 解决超卖问题的锁分析