Lecture 13: Bernoulli Process
前言:前面12节课是有关概率的知识,这节课是开始需要研究随时间变化的现象,也就是随机过程,random processes ,stochastic processes。random processes are supposed to be models that capture the evolution of random phenomena over time,这节课讲伯努利过程。
先从简单的随机过程开始讲起,伯努利过程是离散时间的随机过程。
两种解读方式:
第一种是每个时间对应一个单独的独立随机变量,随时间进行构成一个序列。
第二种是把所有时间放在一起看,当成一个随机变量。
经过计算,当0 < p < 1时候, sample space 中的每个outcome的概率都是0, 这有点像连续状态空间里的outcome
对于伯努利过程,成功次数为k次的结果的集合作为事件的概率为上图中的P(S=k)P(S = k)P(S=k)
由于每次实验同分布, 且有S=∑i=1nXiS = \sum_{i = 1}^n X_iS=∑i=1nXi,则E[S]=∑i=1nE[Xi]=n∗pE[S] = \sum_{i = 1}^n E[X_i] = n * pE[S]=∑i=1nE[Xi]=n∗p, 因为实验是独立的, 所以Var(S)=n∗p∗(1−p)Var(S) = n * p*(1-p)Var(S)=n∗p∗(1−p)
我们再换一种随机变量,T1T_1T1定义为第一次出现成功的试验次数。
E[T1]E[T_1]E[T1]怎么求的可以看这篇cite
Var(X)=E[X2]−(E[X])2上面E[X]求完了,只需要求E[X2],求法和求E[X]差不多E[X2∣X=1]=1E[X2∣X>1]=E[(X+1)2]=E[X2]+2∗E[X]+1E[X2]=p∗E[X2∣X=1]+(1−p)∗E[X2∣X>1]=p∗1+(1−p)∗(E[X2]+2∗E[X]+1)这样E[X2]就能算出来了,Var(X)也就能算出来了。Var(X) = E[X^2] - (E[X])^2 \\ 上面E[X]求完了,只需要求E[X^2],求法和求E[X]差不多\\ E[X^2|X = 1] = 1\\ E[X^2|X >1] = E[(X + 1)^2] = E[X^2] + 2 * E[X] + 1\\ E[X^2] = p * E[X^2|X = 1] + (1-p) * E[X^2|X >1]\\ = p * 1 + (1-p) * (E[X^2] + 2 * E[X] + 1)\\ 这样E[X^2]就能算出来了,Var(X)也就能算出来了。 Var(X)=E[X2]−(E[X])2上面E[X]求完了,只需要求E[X2],求法和求E[X]差不多E[X2∣X=1]=1E[X2∣X>1]=E[(X+1)2]=E[X2]+2∗E[X]+1E[X2]=p∗E[X2∣X=1]+(1−p)∗E[X2∣X>1]=p∗1+(1−p)∗(E[X2]+2∗E[X]+1)这样E[X2]就能算出来了,Var(X)也就能算出来了。
上图中蓝色的区间不是geometric§,因为0 的起始位置应该是未知的,绿的的区间才符合geometric§, 因为这时已经有了一个0,已经知道了起始位置,那么多久之后才有1 呢,这和从开始实验到第一个1 出现完全相同的。0连续出现的长度和绿色区间的长度正好相等。
第k次到达的时间是多个第一次到达时间的加和。每次到达所需时间互相之间都是独立的且都是几何分布。
第k次到达的时间是t的概率:这个概率是【1,t-1】时间内到达了k-1次,并且t 时刻到了1次,这两个事件的joint probability。
伯努利过程可以分解,也可以合并。
Lecture 13: Bernoulli Process相关推荐
- CS269I:Incentives in Computer Science 学习笔记 Lecture 13:Introduction to Auctions(拍卖简介)
Lecture 13 Introduction to Auctions(拍卖简介) 1 Preamble(前言) 为什么计算机科学家要关心拍卖?直到最近(甚至可能仍然),提到拍卖,我们脑海中联想到的图 ...
- 【Introductory Biology】Lecture 13 - Genetics 2 - Rules of Inheritance 遗传学2 - 继承规则
Contents 文章目录 Slides Supplements Ref Slides - And what's shown up here is what's know as pedigree. S ...
- 图形学教程Lecture 13: RayTracing1(Whitted-Style Ray Tracing)知识点总结
课程地址:https://www.bilibili.com/video/BV1X7411F744?p=13 课件地址:https://sites.cs.ucsb.edu/~lingqi/teachin ...
- 【GAMES101 课程小结】:Lecture 13 Ray Tracing
引言.引入光线追踪的目的 1. 光栅化不易实现一些全局的效果 (1)阴影 (2)漫反射效果 (3)场景中的间接光照 2. 光栅化速度快,但真实感相对较差 光线追踪更符合物理规律,但计算量大. 一.基础 ...
- 2019年CS224N课程笔记-Lecture 13: Contextual Word Representations and Pretraining
资源链接:https://www.bilibili.com/video/BV1r4411 之前大部分都是课件内容翻译+自己的一些总结,以后更倾向于自己的总结咯- 正课内容 词的表示方法 一开始时学过的 ...
- formal method lecture 13
抖一抖机灵 看看英国宿舍的一角
- Lecture 13 Amortized Analysis
- Stanford iOS7 Lecture 1-3 demo
Card Card类一个实例就是一张卡牌 属性:contents,chosen,matched. 方法:match(input一组cards,返回分数) // Card.h // Matchismo# ...
- lecture 13:断点回归RDD
断点回归RDD 参考文献: 16 - Regression Discontinuity Design
最新文章
- java dozer 深度_java – Dozer深度映射设置为Set
- C语言实例第2期:判断某一年是否为闰年
- mysql 分段执行_面试官问你MySQL的优化,看这篇文章就够了
- java fileupload 文件_java用Commons fileupload 文件的上传
- 编程:要求随机产生30到小学2年级的四则运算题
- linux 虚函数调用性能,C++对象布局及多态实现探索之虚函数调用
- 使用VS2015编写C/C++开始步骤
- 服务端高并发分布式架构演进之路(转载,图画的好)
- python执行过程打印,如何在pytest运行过程中看到正常的打印输出?
- 硬件知识:网线的分类知识笔记,看完你就懂了!
- 黑马java课程视频java学习视频
- unity手机端发布
- 一台计算机的屏幕面积是多少,一台电脑屏幕的面积约是12多少平方面积单?
- 《勒索软件防护发展报告(2022年)》正式发布,助力企业高效应对勒索软件攻击
- 华为V8手机USB OTG Type-C接口数据线
- Android pins 模块化架构gradle配置
- 双cpu适合安装什么服务器系统吗,服务器双CPU使用时的注意事项
- 当我给表弟用python写了个雷霆战机后
- <整理总结>H264/265码流数据包格式分析(带mp4v2封装H264/265为MP4的源码示例)
- A Tour of C++
热门文章
- (转)计算机领域的顶级会议和期刊
- 十进制转化成二进制(C++)
- 数值计算之 线搜索法,Armijo,Wolfe,Goldstein条件,回溯法
- android灯光蜂鸣器控制节点指令代码,北斗手机app -北斗手机appV1.5.48
- “泰迪杯” 挑战赛 - 基于市场资金流向分析的商品期货量化交易策略(附suibian代码)
- 2022年欧盟的寒冬,中国外贸企业送温暖(暖冬外贸商品都在这里)
- 电子调谐器的主要引脚及作用
- JAVA面向对象编程(1)
- 清风算法对seo不是打击而是好事
- 测试网线是否正常的方法有哪些?