概率论基础（3）一维随机变量（离散型和连续型）
概率论对于学习 NLP 方向的人，重要性不言而喻。于是我打算从概率论基础篇开始复习，也顺便巩固巩固基础。
这是基础篇的第三篇知识点总结
基础：下面前两篇的链接地址：
概率论基础（1）古典和几何概型及事件运算
概率论基础（2）条件概率、全概率公式和贝叶斯公式
基本求导公式：
以及补充：
1.一维随机变量
先提提随机变量的概念：
设随机试验的样本空间为S={e}. X=X(e) 是定义在样本空间S上的实值单值函数. 称X=X(e)为随机变量
一维随机变量在整体上看分为两类：
2.离散型随机变量的分布律和分布函数
首先看看智库百科上的定义：
分布函数
之后我们根据一个例题来理解定义：
我们可以根据定义来找到分布函数的重要性质：
重点：F（x）表示是小于某个数的概率之和，累加的思想，是一个递增的函数。
因为其是一个右连续的函数，所以我们通常写分布函数为左闭右开的形式
函数的分布
理解：注意，当X相同时，不要忘了进行概率的相加。
理解：注意表格和公式的不同表示方法，其实质都是一样的
解释：
3.连续型随机变量的概率密度、分布函数
注意的点：面积就是概率。积分的话，其实就是求面积。
概率密度：
分布函数是累加的思想，求F（x）就相当于负无穷到x的面积，有两种方法求解。
理解：找到概率分布的区间是最重要的。
分布函数：
理解：连续型随机变量的分布函数和离散型随机变量的分布函数的形式很像，最需要注意的是它分布函数的求导时概率密度。
理解：需要注意的是求某区间的概率，有两种，一种是根据概率密度求积分，一种则是根据分布函数相减。第三问的根据基本求导公式求导即可。
函数的分布
我们通常解决问题时，分为两类，通常有以下三个解决步骤：
第一类，g（x）单调可导
第二类：g（x）非单调可导，此时一律用定义法
例题
理解：这种情况是单调可导，可直接套公式求解
理解：这种是非单调可导，用定义法来解，稍微有点绕，这时候一定要注意x和y在等式之间的转换。
概率论基础（3）一维随机变量（离散型和连续型）相关推荐
- 概率论笔记4.3常见离散型和连续型的期望与方差
4.3常见离散型和连续型的期望与方差 离散型 0-1分布 二项分布 推导时,np后面的那段式子其实是(p + q)^n,又因为 p + q == 1 所以EX = np 几何分布 证明过程中使用了级数 ...
- 统计学：离散型和连续型随机变量的概率分布
主要随机变量一览表 随机变量 概率分布 均值 方差 一般离散型变量 p(x)的表.公式或者图p(x)的表.公式或者图 ∑xxp(x)\sum_{x}xp(x) ∑x(x−μ)2p(x)\sum_{x} ...
- 常见的离散型和连续型随机变量的概率分布
目录 1 基本概念 2 离散型随机变量的概率分布 2.1 二项分布 2.2 超几何分布 2.2.1 概念 2.2.2 举例 2.3 泊松分布 3 连续型随机变量的概率分布 3.1 均匀分布 3.1.1 ...
- python 数学期望_数学期望（离散型和连续型）
数学期望的定义 数学期望的计算公式 例题 1.数学期望的定义 在概率论和统计学中,数学期望(或均值)是试验中每次可能结果的概率乘以其结果的总和,是最基本的数学特征之一.它反映随机变量平均取值的大小. ...
- Dataset：数据生成之利用pandas自定义生成随机各自类型(离散型和连续型)的dataframe数据
Dataset:数据生成之利用pandas自定义生成随机各自类型(离散型和连续型)的dataframe数据 目录 数据生成之利用pandas自定义生成随机数据 输出结果 实现代码 数据生成之利用pan ...
- 分类型变量预测连续型变量_概率论与数理统计之离散型和连续型随机变量知识点...
本文主要回顾复习了有关一维离散型.连续型随机变量及分布,以及相关性质.这一部分主要以选择题和填空题的形式出现在考研数学的试卷中,希望考研的考生多注意这一部分知识的复习,结合历年考研数学真题,争取早日掌 ...
- 数理基础（概率论）------离散型和连续型分布期望方差公式
- 概率论(二)随机变量及其概率分布——离散和连续型随机变量及其分布函数
本节知识点 1.随机变量及其分布函数的定义 2.离散型随机变量 定义:随机变量可能取得的值是有限个或者可列无限个 概率分布列 分布函数 常见的离散性随机变量:0-1分布.二项分布和泊松分布 3.连续型 ...
- 【概率论基础进阶】随机变量及其分布-随机变量及其分布函数
文章目录 一.分布律 分布律性质 二.分布函数 分布函数的性质 三.概率密度 概率密度的性质 一.分布律 定义:在样本空间 Ω \Omega Ω上的实值函数 X = X ( ω ) X=X(\omeg ...
- 重学java基础第二十一课:编译型和解释型
最新文章
- 利用反射对应数据库字段
- VUE 项目作为服务启动
- 程序员买房与程序员转型
- VS2015配置环境支持opencv3库（网络方法总结）
- 任正非：华为有意出售 5G 技术！
- 三十分钟包会——正则表达式
- 备份mysql_mysql备份及pymysql
- “Hello, my first blog”------第一篇博客的仪式感
- 前端常用效果（3）带动画的比较型柱状图
- Django之HttpRequest和HttpReponse
- matlab数字信号处理实验报告,Matlab数字信号处理实验报告.pdf
- windows7环境下 硬盘安装ubuntu 12.04 server版
- LifecycleBeanPostProcessor的作用
- 网络故障排查简单思路（思路见目录）
- Python | 程序查找列表中最小和最大元素的位置
- 一球成谜！咪咕直播联合即构打造世界杯直播答题新玩法
- CentOS 7 安装rar解压缩软件
- 乘法计算机公式,在word中乘法的函数公式计算公式
- 软件测试-白盒测试：逻辑覆盖
- Redis键-值数据库 nosql 数据建模（4）------ 如何存储主从表数据 一对超级多关系