概念
在做實驗時,常常是相對於試驗結果本身而言,我們主要還是對結果的某些函式感興趣。例如,在擲骰子時,我們常常關心的是兩顆骰子的點和數,而並不真正關心其實際結果,就是說,我們關心的也許是其點和數為7,而並不關心其實際結果是否是(1,6)或(2,5)或(3,4)或(4,3)或(5,2)或(6,1)。我們關注的這些量,或者更形式的說,這些定義在樣本空間上的實值函式,稱為隨機參數。
因為隨機參數的值是由試驗結果決定的,所以我們可以給隨機參數的可能值指定機率。
隨機參數(random variable)表示隨機試驗各種結果的實值單值函式。隨機事件不論與數量是否直接有關,都可以數量化,即都能用數量化的方式表達。
隨機事件數量化的好處是可以用數學分析的方法來研究隨機現象。例如某一時間內公共汽車站等車乘客人數,電話交換台在一定時間內收到的呼叫次數,燈泡的壽命等等,都是隨機參數的墓察實例。
基本類型
簡單地說,隨機參數是指
隨機事件的數量表現。例如一批註入某種毒物的動物,在一定時間內死亡的只數;某地若干名男性健康成人中,每人
血紅蛋白量的測定值;等等。另有一些現象並不直接表現為數量,例如人口的男女性別、試驗結果的陽性或陰性等,但我們可以規定男性為1,女性為0,則非
數量標誌也可以用數量來表示。這些例子中所提到的量,儘管它們的具體內容是各式各樣的,但從數學觀點來看,它們表現了同一種情況,這就是每個變數都可以隨機地取得不同的數值,而在進行試驗或測量之前,我們要預言這個變數將取得某個確定的數值是不可能的。
按汗喇射照隨機參數可能取得的值,可以把它們分為兩種基本類型:
離散型
離散型(discrete)隨機參數即在一定
區間內變數取值為有限個或可數個。例如某地區某年人口的出生數、死亡數,某藥治療某病病人地櫻台的有效數、無效數等。離散型隨機參數通常依據機率
質量函式分類,主要分為:伯努利隨機參數、二項隨機參數、幾何隨機參數和泊松隨機參數。
連續型
連續型(continuous)隨機參數即在一定區間內變數取值有無限個,或數值無法一一列舉出來。例如某地區男性健康成人的身長值、體重值,一批
傳染性肝炎患者的血清轉氨酶測定值等。有幾個重要的連續隨機參數常常出現在機率論中,如:均勻隨機參數、指數隨機參數、伽馬隨機參數和正態隨機參數。
隨機參數的期望
離散情形
如果X是離散隨機參數,具有機率質量函式p(x),那么X的期望值定義為E[X]=
。換句話說,X的期望是X可能取的值的加權平均,每個值被X取此值的機率所加權。
連續情形
我們也可以定義連續隨機參數的期望值。如果X是具有
機率密度函式f(x)的連續隨機參數,那么X的期望就定義為
換句話說,在
上均勻分布的隨機參數的期望值正是區間的中點。
性質
隨機參數在不同的條件下由於偶然因素影響,可能取各種
不同的值,故其具有
不確定性和
隨機性,但這些取值落在某個範圍的機率是一定的,此種變數稱為隨機參數。隨機參數可以是離散型的,也可以是連續型的。如分析測試中的臘龍櫻測定值就是一個以機率取值的隨機參數,被測定量的取值可能在某一範圍內隨機變化,具體取什麼值在測定之前是無法確定的,但測定的結估舟全果是確定的,多次重複測定所得到的測定值具有
統計規律性。隨機參數與模糊變數的不確定性的本質差別在於,後者的測定結果仍具有不確定性,即模糊性。
詳細分析
表示方法
隨機試驗結果的量的表示。例如擲一顆骰子灑嫌槓尋出現的點數,電話交換台在一定時間內收到的呼叫次數,隨機抽查的一個人的身高,懸浮在液體中的微粒沿某一方向的位移,等等,都是隨機參數的實例。
一個隨機試驗的可能結果(稱為基本事件)的全體組成一個基本空間
Ω(見
機率)。隨機參數
x是定義於
Ω上的函式,即對每一基本事件恥束謎希
ω∈
Ω,有一數值
x(
ω)與之對應。以擲一顆骰子的隨機試驗為例,它的所有可能結果見,共6個,分別記作
ω1,
ω2,
ω3,
ω4,
ω5,
ω6,這時,
Ω={
ω1,
ω2,
ω3,
ω4,
ω5,
ω6},而出現的點數這個隨機參數
x,就是
Ω上的函式
x(
ωk)=
k,
k=1,2,…,6。又如設
Ω={
ω1,
ω2,…,
ωn}是要進行抽查的
n個人的全體,那么隨意抽查其中一人的身高和體重,就構成兩個隨機參數
X和
Y,它們分別是
Ω上的函式:
X(
ωk)=“
ωk的身高”,
Y(
ωk)=“
ωk的體重”,
k=1,2,…,
n。一般說來,一個隨機參數所取的值可以是離散的(如擲一顆骰子的點數隻取1到6的整數,電話台收到的呼叫次數隻取非負整數),也可以充滿一個數值區間,或整個實數軸(如液體中懸浮的微粒沿某一方向的位移)。
研究方法
在研究隨機參數的性質時,確定和計算它取某個數值或落入某個數值區間內的機率是特別重要的。因此,隨機參數取某個數值或落入某個數值區間這樣的基本事件的集合,應當屬於所考慮的事件域。根據這樣的直觀想法,利用機率論公理化的語言,取實數值的隨機參數的數學定義可確切地表述如下:機率空間(Ω,F,p)上的隨機參數x是定義於Ω上的實值可測函式,即對任意ω∈Ω,X(ω)為實數,且對任意實數x,使X(ω)≤x的一切ω組成的Ω的子集{ω:X(ω)≤x}是事件,也即是F中的元素。事件{ω:X(ω)≤x}常簡記作{x≤x},並稱函式F(x)=p(x≤x),-∞<x<∞ ,為x的分布函式。
設X,Y是機率空間(Ω,F,p)上的兩個隨機參數,如果除去一個零機率事件外,X(ω)與Y(ω)相同,則稱X=Y以機率1成立,也記作p(X=Y)=1或X=Y,α.s.(α.s.意即幾乎必然)。
有些隨機現象需要同時用多個隨機參數來描述。例如對地面目標射擊,彈著點的位置需要兩個坐標才能確定,因此研究它要同時考慮兩個隨機參數,一般稱同一機率空間(
Ω,F,
p)上的
n個隨機參數構成的
n維
向量X=(
x1,
x2,…,
xn)為
n維隨機向量。隨機參數可以看作一維隨機向量。稱
n元
x1,
x2,…,
xn的函式為
X的(聯合)分布函式。又如果(
x1,
x2)為
二維隨機向量,則稱
x1+i
x2(i2=-1)為復隨機參數。
連續情形
我們也可以定義連續隨機參數的期望值。如果X是具有
機率密度函式f(x)的連續隨機參數,那么X的期望就定義為
換句話說,在
上均勻分布的隨機參數的期望值正是區間的中點。
性質
隨機參數在不同的條件下由於偶然因素影響,可能取各種
不同的值,故其具有
不確定性和
隨機性,但這些取值落在某個範圍的機率是一定的,此種變數稱為隨機參數。隨機參數可以是離散型的,也可以是連續型的。如分析測試中的測定值就是一個以機率取值的隨機參數,被測定量的取值可能在某一範圍內隨機變化,具體取什麼值在測定之前是無法確定的,但測定的結果是確定的,多次重複測定所得到的測定值具有
統計規律性。隨機參數與模糊變數的不確定性的本質差別在於,後者的測定結果仍具有不確定性,即模糊性。
詳細分析
表示方法
隨機試驗結果的量的表示。例如擲一顆骰子出現的點數,電話交換台在一定時間內收到的呼叫次數,隨機抽查的一個人的身高,懸浮在液體中的微粒沿某一方向的位移,等等,都是隨機參數的實例。
一個隨機試驗的可能結果(稱為基本事件)的全體組成一個基本空間
Ω(見
機率)。隨機參數
x是定義於
Ω上的函式,即對每一基本事件
ω∈
Ω,有一數值
x(
ω)與之對應。以擲一顆骰子的隨機試驗為例,它的所有可能結果見,共6個,分別記作
ω1,
ω2,
ω3,
ω4,
ω5,
ω6,這時,
Ω={
ω1,
ω2,
ω3,
ω4,
ω5,
ω6},而出現的點數這個隨機參數
x,就是
Ω上的函式
x(
ωk)=
k,
k=1,2,…,6。又如設
Ω={
ω1,
ω2,…,
ωn}是要進行抽查的
n個人的全體,那么隨意抽查其中一人的身高和體重,就構成兩個隨機參數
X和
Y,它們分別是
Ω上的函式:
X(
ωk)=“
ωk的身高”,
Y(
ωk)=“
ωk的體重”,
k=1,2,…,
n。一般說來,一個隨機參數所取的值可以是離散的(如擲一顆骰子的點數隻取1到6的整數,電話台收到的呼叫次數隻取非負整數),也可以充滿一個數值區間,或整個實數軸(如液體中懸浮的微粒沿某一方向的位移)。
研究方法
在研究隨機參數的性質時,確定和計算它取某個數值或落入某個數值區間內的機率是特別重要的。因此,隨機參數取某個數值或落入某個數值區間這樣的基本事件的集合,應當屬於所考慮的事件域。根據這樣的直觀想法,利用機率論公理化的語言,取實數值的隨機參數的數學定義可確切地表述如下:機率空間(Ω,F,p)上的隨機參數x是定義於Ω上的實值可測函式,即對任意ω∈Ω,X(ω)為實數,且對任意實數x,使X(ω)≤x的一切ω組成的Ω的子集{ω:X(ω)≤x}是事件,也即是F中的元素。事件{ω:X(ω)≤x}常簡記作{x≤x},並稱函式F(x)=p(x≤x),-∞<x<∞ ,為x的分布函式。
設X,Y是機率空間(Ω,F,p)上的兩個隨機參數,如果除去一個零機率事件外,X(ω)與Y(ω)相同,則稱X=Y以機率1成立,也記作p(X=Y)=1或X=Y,α.s.(α.s.意即幾乎必然)。
有些隨機現象需要同時用多個隨機參數來描述。例如對地面目標射擊,彈著點的位置需要兩個坐標才能確定,因此研究它要同時考慮兩個隨機參數,一般稱同一機率空間(
Ω,F,
p)上的
n個隨機參數構成的
n維
向量X=(
x1,
x2,…,
xn)為
n維隨機向量。隨機參數可以看作一維隨機向量。稱
n元
x1,
x2,…,
xn的函式為
X的(聯合)分布函式。又如果(
x1,
x2)為
二維隨機向量,則稱
x1+i
x2(i2=-1)為復隨機參數。