timerring
·
随机变量
💡
原文英文，约1600词，阅读约需6分钟。
📝
内容提要
本文介绍了随机变量及其常见分布，包括连续分布和离散分布。重点讨论条件分布、全概率和贝叶斯定理，以及二项随机变量的正态近似和泊松近似。还涵盖了正态分布、指数分布和几何分布的性质和应用。
🎯
关键要点
- 随机变量是将每个结果分配一个数字的过程，必须满足特定条件。
- 概率分布函数是描述随机变量的概率分布的函数，具有非递减性和右连续性。
- 连续型随机变量的概率密度函数是其分布函数的导数，而离散型随机变量的概率质量函数是阶梯函数。
- 常见的连续分布包括正态分布、指数分布和均匀分布，离散分布包括伯努利分布、二项分布和泊松分布。
- 条件分布是给定事件B的情况下随机变量X的分布，贝叶斯定理用于计算条件概率。
- 二项随机变量的正态近似和泊松近似在大样本情况下有效，尤其是当np和nq都较大时。
❓
延伸问答
什么是随机变量？
随机变量是将每个结果分配一个数字的过程，必须满足特定条件。
常见的连续分布有哪些？
常见的连续分布包括正态分布、指数分布和均匀分布。
什么是条件分布？
条件分布是给定事件B的情况下随机变量X的分布。
贝叶斯定理在随机变量中如何应用？
贝叶斯定理用于计算条件概率，帮助更新对事件的信念。
二项随机变量的正态近似是什么？
在大样本情况下，二项随机变量的分布可以用正态分布进行近似，尤其是当np和nq都较大时。
泊松分布的应用场景有哪些？
泊松分布用于描述在固定时间或空间内稀有事件的发生次数，例如彩票中奖的数量。
➡️
