20230801
前文：离散概率论2
概率密度函数
我们已经了解了基本离散概率论，可对于一个连续型随机变量。比如在R上取值，这个时候我们就需要概率密度函数。
我们先拿一个经典的正态分布图像：
显然任意类似于P(x=1)的值都是0，但我们可以研究X在某一个区间上的概率了，比如：
可概率密度函数怎样体现概率，通俗的来说就是与x轴围成的图形面积为1，也就是：
等价于离散概率论中的：
所以它的计算也不难，比如X属于(0,1)的概率就是：
在图上就是蓝色部分的面积：
分布函数：
分布函数：\(F(x)=P(X<=x)\)
有没有发现和前缀和迷之相似。
分段函数不论变量是离散还是连续都是可以刻画的，先自己画一个离散的试试？
分布函数长这样：
而连续的随机变量分布函数的算式也不难得出：
大数定律：
频率收敛到概率。这是显然的。
现在介绍的是一种弱大数律：khinchine大数律。
设\(X_n\)为独立同分布的随机变量序列，若\(E(X_n)\)为小于正无限的定值则有：
解释一下：
- 1.独立同分布：在概率统计理论中，指随机过程中，任何时刻的取值都为随机变量，如果这些随机变量服从同一分布，并且互相独立，那么这些随机变量是独立同分布。
- 2.$\varepsilon $是一个接近\(0\)的正数
均匀分布：
字面的意思，记作\(X~u(a,b)\),满足：
什么，你说为什么记作u?
\(uniformly\) 均匀的，另一个角度上，它的概率密度函数就是平的：
正态分布：
记作:
我们看一下它的概率密度函数：
发现了吗？概率密度在$\mu $两侧对称并逐渐递减。当然你也可以算出它的具体值（只要你想）：
随机数：
首先，我们要承认一件事：
- 1.真随机数只能物理发生；任何程序实现的伪随机数
- 2.真随机数是均匀，无周期的；伪随机数是有周期的
为什么物理能发生真随机数？或许你听过测不准原理或杨氏双缝干涉实验（不知道可以查一查，主要是因为物质具有波的性质）
而电脑生成随机数有两个要点：
- 1.seed好，保密（知道seed就知道结果）
- 2.周期长（局部看起来随机）
未完待续
在那高远的黑色穹顶之下，它的牺牲使圣巢永世不衰