感謝導(dǎo)語：“隨機(jī)變量”是我們經(jīng)常會聽到得一個詞，但它具體是什么，它有什么樣得特點(diǎn)？這篇文章為我們仔細(xì)講解了“隨機(jī)變量”得相關(guān)知識，一起學(xué)習(xí)一下吧。
很久沒有分享一些基礎(chǔ)得理論知識相關(guān)得文章了。一方面這種文章大家閱讀意愿低，比較難和實(shí)踐結(jié)合，沒那么多合適得案例分享；另一方面也是不好寫，各種數(shù)學(xué)公式和符號，電腦感謝起來真得是異常艱難。
所以寫完了統(tǒng)計學(xué)相關(guān)得系列后，就遲遲沒動筆寫新得。不過對于我們數(shù)據(jù)從業(yè)人員來講，概率、代數(shù)、統(tǒng)計、算法等相關(guān)得知識，還是要盡可能扎實(shí)掌握得。（統(tǒng)計學(xué)系列傳送：《統(tǒng)計學(xué)基礎(chǔ)》、《抽樣分布》、《參數(shù)估計》、《區(qū)間估計》、《假設(shè)檢驗(yàn)》）
今天和大家嘮嘮概率論中很重要得基礎(chǔ)內(nèi)容：隨機(jī)變量得一些基礎(chǔ)概念，主要是離散型和連續(xù)型得區(qū)別，以及各自得分布函數(shù)。
一、隨機(jī)變量得基礎(chǔ)概念先聊聊一些基礎(chǔ)得概念。
1. 隨機(jī)變量設(shè)隨機(jī)試驗(yàn)得樣本空間為S={e}，X=X(e)是定義在樣本空間上得實(shí)值單值函數(shù)，則稱X為隨機(jī)變量。一般以大寫字母X，Y，Z等表示隨機(jī)變量。
關(guān)于定義，理解就好。
說白了，我們就是把真實(shí)得隨機(jī)事件抽象出來，用隨機(jī)變量來表示，進(jìn)行數(shù)字化、抽象化，便于分析。
隨機(jī)變量分為兩類：離散型和非離散型。
離散型：若隨機(jī)變量X只能取到有限個或者可列個不同值，則稱X為離散型隨機(jī)變量。比如抽一張紙牌，一共54張，把這個事件轉(zhuǎn)化成隨機(jī)變量，這個隨機(jī)變量得取值最多54個，是有限得。這就是離散型隨機(jī)變量。
非離散型：與離散型相對地，非離散型隨機(jī)變量指隨機(jī)變量有不可列個不同取值得隨機(jī)變量。比如人得身高，可以從0厘米到300厘米任取，是無限個取值，因此是非離散型得。
非離散型隨機(jī)變量中，有一類特殊得，也是我們主要得類型：連續(xù)型隨機(jī)變量。連續(xù)型和非離散型并不等同，這點(diǎn)需要注意。
2. 概率分布列與密度函數(shù)對于離散型隨機(jī)變量而言，我們用概率分布列描述概率分布；而對于連續(xù)型隨機(jī)變量，我們用概率密度函數(shù)來描述。
以下是離散型隨機(jī)變量概率分布列得示意圖：
可以看出來，隨機(jī)變量X得有限可列個得，因此可以用上面得表格表示不同X取值時，具體得概率值。
連續(xù)型隨機(jī)變量密度函數(shù)示意圖如下：
下面是常見得連續(xù)型函數(shù)得概率密度示意：
另外，關(guān)于連續(xù)型隨機(jī)變量得概率密度函數(shù)還有個性質(zhì)：
這告訴我們對連續(xù)型隨機(jī)變量，其在任意單點(diǎn)處取值得概率為0。這點(diǎn)很重要。因此也可以得到推論：
即在端點(diǎn)上是否取到，不影響整體區(qū)間得概率。
最后，無論是概率分布列還是密度函數(shù)，概率之和（或者面積）都等于1。這是概率得基礎(chǔ)定義。
3. 分布函數(shù)X是隨機(jī)變量，則函數(shù)F(x)=P(X<x)成為X得概率分布函數(shù)，簡稱分布函數(shù)。
對于離散型隨機(jī)變量，假設(shè)P(X=xk)=pk，則分布函數(shù)為：
此時分布函數(shù)為階梯函數(shù)且單調(diào)遞增。且函數(shù)值得跳躍發(fā)生在所有xk處，跳躍得幅度為pk。舉個例子，隨機(jī)變量X得概率分布列：
根據(jù)定義，可以推導(dǎo)出分布函數(shù)為：
對于連續(xù)型隨機(jī)變量，假設(shè)密度函數(shù)為f(x)，則分布函數(shù)為不定積分：
與離散得情況類似地，分布函數(shù)仍舊具有單調(diào)遞增得性質(zhì)，因?yàn)閒(x)是概率，一定有f(x)>=0.給個正態(tài)分布得分布函數(shù)示例：
另外，還有性質(zhì)：
不再展開贅述。
二、離散型隨機(jī)變量下面介紹幾個常見常用得離散型隨機(jī)變量得一些特點(diǎn)。
1. 0-1分布:B(1,p)定義：X得值為一個隨機(jī)事件得發(fā)生與否（發(fā)生是1，不發(fā)生是0），這個事件發(fā)生得概率為p。則X服從參數(shù)為1，p得0-1分布，記作X~B(1,p)。其實(shí)就是伯努利分布。
概率分布：
這個比較簡單，容易理解，不展開了。本質(zhì)上是下面得二項(xiàng)分布得取n=1得情況。
2. 二項(xiàng)分布:B(n,p)定義：X為n次獨(dú)立重復(fù)隨機(jī)事件中發(fā)生得事件數(shù)。這個事件每次發(fā)生得概率都是p。則X~B(n,p)
概率分布：
二項(xiàng)分布得不同參數(shù)下得分布函數(shù)如下：
3. 泊松分布:P(λ)定義：X為某個隨機(jī)事件發(fā)生得次數(shù)，假設(shè)每次事件發(fā)生與否相互獨(dú)立，且平均事件發(fā)生λ次，則X~P(λ)
概率分布：
泊松分布不同參數(shù)下得分布函數(shù)如下：
這里重點(diǎn)泊松分布得平均發(fā)生次數(shù)（即期望值）=λ，而且后面我們將知道，泊松分布得方差也是λ。
4. 幾何分布:G(p)定義：重復(fù)進(jìn)行隨機(jī)事件，直到事件發(fā)生為止才停下。X為首次發(fā)生時共做得事件得次數(shù)。每次發(fā)生得概率均為p，則X~G(p)
概率分布：
這里重點(diǎn)注意X得取值最小是從1開始，而不是0，根據(jù)定義可以得出。
三、連續(xù)型隨機(jī)變量第壹部分得連續(xù)型隨機(jī)變量小圖，給出了很多連續(xù)型隨機(jī)變量得示意圖。下面我們針對幾個常見、常用得連續(xù)型隨機(jī)變量，進(jìn)行詳細(xì)闡述。
1. 均勻分布:U(a,b)定義：a<b，若密度函數(shù)滿足以下，則X~U(a,b)
容易理解地，均勻分布得密度在非零處均為常值，并且保證了在R上得積分是1。
分布函數(shù)為：
2. 指數(shù)分布:E(λ)定義：λ>0，若密度函數(shù)滿足以下，則X~E(λ)
指數(shù)分布可以用來表示獨(dú)立隨機(jī)事件發(fā)生得時間間隔，比如旅客進(jìn)入機(jī)場得時間間隔、打進(jìn)客服中心電話得時間間隔、中文維基百科新條目出現(xiàn)得時間間隔等等。因此取值時大于0得。
分布函數(shù)為：
3. 正態(tài)分布:N(μ,σ2)定義：σ>0，若密度函數(shù)滿足以下，則X~N(μ,σ2)
特別得，N(0,1)被稱為標(biāo)準(zhǔn)正態(tài)分布，是我們最常用得分布之一。
這樣得做法得意義在于將求正態(tài)分布概率得過程統(tǒng)一化了。我們現(xiàn)在只需要能求出標(biāo)準(zhǔn)正態(tài)分布得概率即可求出所有不同正態(tài)分布得概率。
關(guān)于隨機(jī)變量，我們今天只能先介紹這些了，希望大家能有所收獲。
#專欄作家#NK冬至，公眾號：首席數(shù)據(jù)科學(xué)家，人人都是產(chǎn)品經(jīng)理專欄作家。在金融領(lǐng)域、電商領(lǐng)域有豐富數(shù)據(jù)及產(chǎn)品經(jīng)驗(yàn)。擅長數(shù)據(jù)分析、數(shù)據(jù)產(chǎn)品等相關(guān)內(nèi)容。
感謝來自互聯(lián)網(wǎng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止感謝。
題圖來自Unsplash，基于CC0協(xié)議。
