Random Variables

<aside> 📖 X:random variable. Represents a distribution of potential values 随机变量就是可能取很多值的一个数。

</aside>

<aside> 📖 X ~ p(x) probability density function (PDF). 随机变量的分布 Describes relative probability(x) of a random process choosing value 随机变量取一些值有大的概率,取另外一些值有小的概率。

</aside>

Example: uniform PDF: all values over a domain are equally likely

https://s3-us-west-2.amazonaws.com/secure.notion-static.com/cb3813b5-1e17-4879-a3ed-1fb4e99c0273/Untitled.png

Probabilities

随机变量可以以不同的概率取不同的值。

https://s3-us-west-2.amazonaws.com/secure.notion-static.com/c2be31eb-aeb5-4d62-ac14-d74907a45070/Untitled.png

Expected Value of a Random Variable 期望

The average value that one obtains if repeatedly drawing samples from the random distribution.

期望就是不断地取随机变量,然后取他们的平均。

https://s3-us-west-2.amazonaws.com/secure.notion-static.com/22fd53fd-f50e-4ac1-92ec-0337b60799de/Untitled.png

<aside> 💡 前面能看出随机变量的取值可以是离散的(固定值),那么连续情况下怎么描述变量和分布呢?

</aside>

Continuous Case: Probability Distribution Function (PDF)

https://s3-us-west-2.amazonaws.com/secure.notion-static.com/41c37deb-3506-4b82-b4af-a2a28781d0ba/Untitled.png

上图函数中 y 的坐标不表示概率,而是任何一个点 x 周围取一个区域 dx 往上的连线,形成一个区域,这个区域才是概率。这条曲线叫做概率密度函数,简称 PDF,在蒙特卡洛积分中很重要。

概率密度函数下方形成的面积,积分为 1。

对于期望:任何一个取值 x 乘以它的概率密度并积分起来。

Function of a Random Variable

<aside> 💡 前面讨论的是一个变量的分布和期望,如果考虑一个随机变量的函数 Y,满足概率密度 PDF,那么 Y 的期望是多少呢?

</aside>