Ch 2 .

Random Variables 隨机 变 量
2 -1 Discrete Random Variables 離散 隨机 变量 lcdf )
Pmf )
frequencyfunction
cumulativedistributionfunction-r.pro
累積 分布 函 坂
babilitymassfuncton Flt )
F 1≈ )
頻率 函 收 p ( ≈ ) P ( )
= ≤ ≈ , -0 < ≈ < x

⑦ 連續 :
密度 函 收 -11 ≈ ) ( Pdf ) 㗊
≈
Fln ) : 0 和 品 Fln) =
1

Bernoullī Random Variables 伯 努 利 隨 机 变 量 The Binomiol Distribution ⼆ 項 分布

↳
特性 :
变 量 只有 0 和 I ,
各⾃ 机 率 為 ( 1 p) 和 P
-

↳ 進⾏ n 次 獨立 試驗 ,

成功 机 率 P 失敗 机 率 ( 1 p)
"
i (1 īf 000 ≈ 1
'

頻率 函 收 { )
P ⼆ ⼆ -

↳
pw )
- -
,
=
以
oe.be ↳ plk) =
ci.pk (1 -

p)

The Geometic ⼏ 何 分布 & Negative Binomial Distribution 負 項分布 ⼆

⼏何 分布
↳ 由 0
獨立 的 伯 努⼒ 試驗 構成 , ≈ 表篜垐感⻅所 做 的 次 玫
↳ plk ) :P ltk ) =
( tpip
The Hypergeometic Dīstríbution 超 ⼏何 分布
*負 項
分布 ⼆
第 k 次 必 是 成功
。

↳ 連續 試驗 dnnni ≈ 表 總攻
↳ 假設 盒⼦ 中 有 ⼏ 個 球 嗰 ⿊ 球 (n_n) 個
無 重 復 抽取 m 個 球 令 8 表 抽
⽩ 球
ltpǐo失敗 ⼀共 k次
,

出
,

↳ Plrk ) :
(
nnnh 成功 到 的 ⿊ 球個 玫 CICFK
pn.tk ) =

The Poisson Distrībution 泊 松 分布 Chn

↳
描述 單位 時間 內 隨机 事件 發⽣ 的 次 玫 的 机 率 分布 →

↳ ⽔ > 入 0
plrk ) - >
=
, k 0.1.2 = …

⼑ ⼆
NP
-
k !
⾔ 正當 試驗 次 玫 n → 0 ,
p→ 0 ,
np :) 時 泊 松 分布
,

悲 品 iiliii 1
""

可 由 ⼆ 項 分布 的 極限 得到 :P lk ) =
Cipkctpiti (班 1 到 。
⼀
=

2 ⼆ Continuous Random Variables 連續 隨 机 变 量 qx : 電話 系統 、

保險 公司

連續 隨 机 变 量 頻率 函 坟 泄度 函 玫 Densityhonifn ) 射線 中 ✗ 粒⼦ -

↳
對 , →

交通 燈
☆ f (a) ≥ 0 且 Efhdt ⼆
1 must !

對 任意 aab , 落 在 區間 lab) 上 的 机率 是 Plaubfihdn

[
I 特例 了 uniformrandomvariable 均勻 隨 机 变 量 性質 :

' ≤ ≈ ≤ 1
② 在 區間 [ ab]
{ uniformdensityo.no
0
1≈) 為 均勻 密度
ˋ
=
也
或 ≈ > 1 '
b
a ≤ ≈≤

lfhi) {
'

=
b - a

b
E) 取 特定 值 概率 為 Plrc) Sifcndr , 0 : ⼆ ⼆ 0 0 ,
≈ < aou ≈ >

Placub) ⼆
Pla ≤ ≈ < b) ⼆
plau ≤ b) īf 離散 則 不 成立 ,

↳ 累積 分布 函 玟 與 離散 型 相同 :
Fm ) :P 1 ≈ ≤ ≈ ) =
Iflujdu
利⽤ 積分 基本 定理 iff 在 ,
三 處 連續 ,
則 11≈ ) ⼆
F) ⼼
 cdf 可⽤來估計正落入區間的概率 :
P (a ≤ t≤ b) =

{ 占 f 1 x ) dt =
F ( b> -
F (a )

TneExponenial Densiy指数密度

i巡遮
- λ 入 越⼤

={ du 1
λ e , λ≥ = {
,

{
5 f ( t) 0 → F( t et 20
☆ f (u) 越快
t

密度 ↓
= )

, E <
0 1
凡 <

□→ plT > |后 )
算比⼦元件壽命
老望它少再活⼟
, ☆ : ,
已⽣存 」
, 算
ts s

) 累
dis plt )
Flt
.

[ on f ( t了

The Gamma Density 伽⾺密度 tco 時 gl 1 =

oglt = 淼
0
L
)
te xt

.
" …

σ (t) =

{% ut : e
"

du
(

.
t- 1 )
t
!

> o
Λ
⼭當 α= 1 時 ,
伽⾺密度 =
指数密度
⼭
α shape parameter形狀參数
{
:

λ : scale parameher 尺度參数

1
The Normal Distribuion 常態分布 The Density ⾙塔密度 Beta

s f(t) =

od
|

2
TNeitud ,
-

x <
t < x ⼭常⽤於找 [ O ] 中的隨机变量
在⾙葉斯系統中很重要
1 ,

→ 全積分 =

⼼標準常態分布 : µ= 0 .
6 =
1 以起表⽰中 ↳

e
此時 密度 (z) π
{ cdf
, :

⽔ ↳ α= 6

⼀t
三
的 : 6

品 dne
b 2

Ψ ( z)
λ= 2 =

: =
- du

FunctiomsofRandomVariables 隨机变量的函攻
6 α= 0 5
2 3
.
=
-
a

b = 已 b =Ψ

4
m

則 )
^

假設 N ( b Y N ( a µ+ b
~

且 Y at
2
→ λ~ U σ
) + a 6
: ,
, , = , _

120
号)
t 号
qx P 30 ] P ( - < 130 -
: ( 110 < <
查表
=
t 号

P {1 3 } <
Z < 2
) =⑦[ 2 )- ( 1 . 3}) 0 9992 9082 069
=
=
0 =
0
.
-
☆

.
.

北
⼭當⼦是連續隨机变量 ,
密度 f ( t ) , ↑= g λ } ,
g 可微 ,
gy ) =

在區間⼯中嚴格單調 ,

λ 不在 I內時 f ( t ) = 0 Y 有密度函数 :

fy ( y ) =

fx <g
"
{y 3 ) gtly |
G 「
Z F (t ) 則正是 [ ] 上的均匀分布 —
=
, o : P ( Z ≤ Z
) = P [ F (t ) ≤ Z ] =
P (t ≤ F
+
(Z 3 ) = F (F
"
[E ]] = Z

^
G ifV 是 [ o , ] 上的均⽩分布 ,
且 λ= F (U ) ,
則下的 cdf 是 F 証 :
P ( λ≤ x ) =
P ( F
+
( 0} ≤λ ] =
P (U ≤ F (z ) ) =
F(t)