1、離散型
離散型隨機變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,某藥治療某病病人的有效數、無效數等。離散型隨機變數通常依據機率質量函式分類,主要分為:伯努利隨機變數、二項隨機變數、幾何隨機變數和泊松隨機變數。
2、連續型
連續型隨機變數即在一定區間內變數取值有無限個,或數值無法一個一個列舉出來。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變數常常出現在機率論中,如:均勻隨機變數、指數隨機變數、伽馬隨機變數和正態隨機變數。
3、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,電話交換臺在一定時間內收到的呼叫次數,燈泡的壽命等等,都是隨機變數的例項。
擴充套件資料:
隨機變數的期望:
離散情形
如果X是離散隨機變數,具有機率質量函式p(x),那麼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變數的期望值。如果X是具有機率密度函式f(x)的連續隨機變數,那麼X的期望就定義為E[X]=
換句話說,在上均勻分佈的隨機變數的期望值正是區間的中點。
參考資料:
1、離散型
離散型隨機變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,某藥治療某病病人的有效數、無效數等。離散型隨機變數通常依據機率質量函式分類,主要分為:伯努利隨機變數、二項隨機變數、幾何隨機變數和泊松隨機變數。
2、連續型
連續型隨機變數即在一定區間內變數取值有無限個,或數值無法一個一個列舉出來。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變數常常出現在機率論中,如:均勻隨機變數、指數隨機變數、伽馬隨機變數和正態隨機變數。
3、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,電話交換臺在一定時間內收到的呼叫次數,燈泡的壽命等等,都是隨機變數的例項。
擴充套件資料:
隨機變數的期望:
離散情形
如果X是離散隨機變數,具有機率質量函式p(x),那麼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變數的期望值。如果X是具有機率密度函式f(x)的連續隨機變數,那麼X的期望就定義為E[X]=
換句話說,在上均勻分佈的隨機變數的期望值正是區間的中點。
參考資料: