<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
随机变量可以以不同的概率取不同的值。
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。
<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>
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。
<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>