| ภาษา : |
|
| ชุมชนวิกิพีเดีย |คำตอบสารานุกรม |ส่งคำถาม |ความรู้คำศัพท์ |อัปโหลดความรู้ |
ตัวแปรสุ่ม |
  |
|
คำจำกัดความของเทคโนโลยี ชื่อจีน: ตัวแปรสุ่ม ชื่อภาษาอังกฤษ: ตัวแปรสุ่ม คำที่เกี่ยวข้อง: ในบางช่วงของค่าของการกระจายความน่าจะเป็นของตัวแปรสุ่มวิทยาศาสตร์ประยุกต์: พันธุศาสตร์ (เรื่อง); ประชากรพันธุศาสตร์เชิงปริมาณ (สองวิชา) เนื้อหาข้างต้นโดยวิทยาศาสตร์แห่งชาติและคณะกรรมการอนุมัติประกาศเทคโนโลยี ตัวแปรสุ่ม (ตัวแปรสุ่ม) เป็นตัวแทนของปรากฏการณ์สุ่ม (ภายใต้เงื่อนไขบางอย่างไม่เคยปรากฏผลเดียวกันของปรากฏการณ์ที่เรียกปรากฏการณ์สุ่ม) ผลของตัวแปรต่างๆ (ทุกจุดตัวอย่างที่เป็นไปได้) ตัวอย่างเช่นป้ายรถเมล์ภายในเวลาที่แน่นอนจำนวนผู้โดยสารและยานพาหนะอื่น ๆ แลกเปลี่ยนโทรศัพท์ภายในเวลาที่กำหนดจำนวนของสายที่ได้รับ, ฯลฯ เป็นตัวอย่างของตัวแปรสุ่ม แนวคิด กรณี การทดลองแบบสุ่มของผลลัพธ์ที่เป็นไปได้ (เรียกเหตุการณ์พื้นฐาน) ของทุกองค์ประกอบพื้นฐานของพื้นที่Ω X ตัวแปรสุ่มที่กำหนดไว้ในขั้นพื้นฐานΩพื้นที่กับค่าของจำนวนจริงของการทำงานคือพื้นที่Ωขั้นพื้นฐานในทุกจุดที่เป็นพื้นฐานสำหรับการแข่งขันแต่ละคนมีจุดที่สอดคล้องกันบนแกนจริง ตัวอย่างเช่นการสุ่มโยนเหรียญผลลัพธ์ที่เป็นไปได้เงยหน้าขึ้นหางเป็นสองถ้าความหมายของ X มีการขว้างปาเหรียญขึ้นของใบหน้าแล้ว X เป็นตัวแปรสุ่มเมื่อหันขึ้น, X เป็น ค่า 1; เมื่อหางคือค่า 0 อีกตัวอย่างหนึ่งก็โยนลูกเต๋าก็ทั้งหมดผลลัพธ์ที่เป็นไปได้คือการเกิดขึ้นของ 01:00, 02:00, 03:00, 04:00, 05:00 และ 06:00 ถ้า X ถูกกำหนดไว้เมื่อการขว้างปาจุดลูกเต๋าแล้ว X เป็น X ตัวแปรสุ่มตามลำดับปรากฏ 1,2,3,4,5,6 1,2,3,4,5,6 ค่าจุด ความน่าจะเป็น เพื่อให้เข้าใจตัวแปรสุ่มไม่เพียง แต่จะรู้ว่าสิ่งที่มีค่าที่จะนำไป แต่คุณรู้ว่ามันเป็นกฎหมายที่จะใช้ค่าเหล่านี้คือที่จะเข้าใจการกระจายความน่าจะเป็นของ ฟังก์ชันการแจกแจงความน่าจะเป็นภาพที่สามารถ ถ้าคุณทราบฟังก์ชันการแจกแจงของตัวแปรสุ่มมันใช้เวลาในการค่าใด ๆ และความคุ้มค่าที่อยู่ในช่วงของความน่าจะสามารถคำนวณได้ บางปรากฏการณ์สุ่มจำเป็นต้องใช้ตัวแปรสุ่มหลาย ๆ ที่จะอธิบาย ตัวอย่างเช่นจุดย่อยของผลกระทบที่ต้องใช้สองพิกัดเพื่อกำหนดตำแหน่งมันเป็นสองมิติตัวแปรสุ่ม ในทำนองเดียวกันจำเป็นที่จะต้อง n ตัวแปรสุ่มเพื่ออธิบายปรากฏการณ์สุ่มซึ่งประกอบด้วยตัวแปรสุ่ม n n-มิติเวกเตอร์แบบสุ่ม อธิบายคุณค่าของเวกเตอร์สุ่มปกติที่มีฟังก์ชั่นการจัดจำหน่ายร่วมกัน เวกสุ่มสำหรับฟังก์ชั่นการกระจายแต่ละตัวแปรสุ่มเรียกฟังก์ชั่นการกระจายขอบ ถ้าฟังก์ชั่นการจัดจำหน่ายร่วมกันจะมีค่าเท่ากับผลคูณของฟังก์ชันการแจกแจงร่อแร่แล้วที่เราเรียกว่าตัวแปรสุ่มเหล่านี้แต่ละคนมีความเป็นอิสระซึ่งกันและกัน อิสรภาพเป็นทฤษฎีความน่าจะเป็นที่ไม่ซ้ำกันเป็นแนวคิดที่สำคัญ ธรรมชาติ ความไม่แน่นอน ตัวแปรสุ่มในส่วนของเงื่อนไขที่แตกต่างกันเนื่องจากปัจจัยโอกาสซึ่งอาจใช้ความหลากหลายของตัวแปรสุ่ม ความไม่แน่นอนของค่าที่แตกต่างและมีแบบแผน แต่ค่าเหล่านี้ตกอยู่ในช่วงของความน่าจะเป็นที่แน่นอนตัวแปรนี้เรียกว่าตัวแปรสุ่ม อาจจะเป็นตัวแปรสุ่มไม่ต่อเนื่องก็สามารถเป็นประเภทอย่างต่อเนื่อง ถ้าค่าที่วัดได้จากการทดสอบเป็นตัวแปรสุ่มที่มีค่าความน่าจะเป็นค่าที่วัดอาจจะมีการเปลี่ยนแปลงปริมาณการสุ่มในบางช่วงโดยเฉพาะค่าอะไรไม่สามารถหาได้ก่อนที่จะมีการกำหนด แต่ผลของการวัดคือการกำหนด , การกำหนดซ้ำค่าที่วัดได้โดยความสม่ำเสมอทางสถิติ สุ่มธรรมชาติและตัวแปรเลือนของความแตกต่างความไม่แน่นอนก็คือผลการวัดที่หลังยังคงมีความไม่แน่นอนในความคลุมเครือว่า ประเภทพื้นฐาน ใส่เพียงตัวแปรสุ่มคือจำนวนของผลการดำเนินงานการพิจารณาเหตุการณ์ ตัวอย่างเช่นเป็นจำนวนของสัตว์พิษตายภายในเวลาที่กำหนดเพียงไม่กี่สถานที่ในจำนวนของผู้ชายผู้ใหญ่ที่มีสุขภาพแต่ละค่าที่วัดได้ของฮีโมโกล; เช่น บางปรากฏการณ์อื่น ๆ ไม่ตรงกับผลการดำเนินงานของจำนวนเช่นประชากรเพศบวกหรือลบผลการทดสอบ ฯลฯ แต่เราอาจจะระบุเป็นหญิง 1 ชายเป็น 0 ธงบุหรี่จำนวนนอกจากนี้ยังสามารถใช้ในการแทนจำนวน ในตัวอย่างเหล่านี้จำนวนเงินที่กล่าวถึงแม้ว่าเนื้อหาที่เฉพาะเจาะจงของพวกเขาเป็นช่วงที่กว้าง แต่จากจุดทางคณิตศาสตร์ในมุมมองของพวกเขาแสดงชนิดเดียวกันของสถานการณ์ซึ่งเป็นแบบสุ่มสำหรับตัวแปรแต่ละคนสามารถได้รับค่าที่แตกต่างและ การดำเนินการทดสอบหรือการวัดที่เราคาดการณ์ว่าตัวแปรนี้จะถูกสร้างขึ้นมาเพื่อกำหนดมูลค่าของเป็นไปไม่ได้ อาจจะได้รับสอดคล้องกับค่าของตัวแปรสุ่มที่พวกเขาสามารถแบ่งออกเป็นสองประเภทพื้นฐาน: ①ตัวแปรสุ่มไม่ต่อเนื่องนั่นคือในช่วงค่าตัวแปรบางอย่างจำนวน จำกัด หรือค่าสามารถแสดงรายชื่อพวกเขาออก ตัวอย่างเช่นภูมิภาคของจำนวนประชากรประจำปีการเสียชีวิตของยารักษาโรคที่มีประสิทธิภาพในจำนวนของผู้ป่วยและจำนวนไม่ถูกต้อง ②ตัวแปรสุ่มต่อเนื่องนั่นคือในช่วงเวลาที่มีค่าบางอย่างจำนวนอนันต์ของตัวแปรหรือค่าที่ไม่สามารถแสดงไว้ออก ตัวอย่างเช่นความสูงของผู้ใหญ่ที่มีสุขภาพดีชายของมูลค่าภูมิภาคค่าน้ำหนักกลุ่มของไวรัสตับอักเสบซีรั่มที่ติดเชื้อค่าที่วัด transaminase และอื่น ๆ การวิเคราะห์รายละเอียด การแสดง จำนวนของการแสดงแบบสุ่มของผลการทดสอบ ตัวอย่างเช่นลูกเต๋าขว้างจุดปรากฏแลกเปลี่ยนโทรศัพท์ภายในเวลาที่กำหนดจำนวนการโทรที่ได้รับการสุ่มตัวอย่างของความสูงของบุคคลอนุภาคแขวนลอยในการกำจัดของเหลวในทิศทาง ฯลฯ ตัวแปรสุ่ม ตัวอย่าง การทดลองแบบสุ่มของผลลัพธ์ที่เป็นไปได้ (เรียกว่าเหตุการณ์พื้นฐาน) ของฟอร์มอวกาศพื้นฐานΩทั้งหมด (ดูความน่าจะเป็น) ตัวแปรสุ่มเป็นฟังก์ชันที่กำหนดไว้ในΩคือสำหรับเหตุการณ์ωแต่ละขั้นพื้นฐาน∈Ωมีค่า x ที่ (ω) ที่สอดคล้องกัน ที่จะโยนทดลองแบบสุ่มลูกเต๋าตัวอย่างเช่นเห็นผลที่เป็นไปได้ทั้งหมดหกชี้แนะเป็นω1, ω2, ω3, ω4, ω5, ω6แล้วΩ = {ω1, ω2, ω3, ω4 , ω5, ω6} และตัวแปรสุ่มปรากฏจุด x ที่เป็นฟังก์ชั่นΩ x (ωk) = K, k = 1,2, ... , 6 อีกตัวอย่างหนึ่งคือชุดΩ = {ω1, ω2, ... , ωn} n คือการดำเนินการตรวจสอบแบบสุ่มของบุคคลทั้งหมดแล้วสุ่มตรวจสอบในที่สูงของบุคคลและน้ำหนักพวกเขาเป็นสองตัวแปรสุ่ม x และ y, พวกเขาอยู่บนΩ ฟังก์ชั่น: x (ωk) = "ความสูงωk" Y (ωk) = "น้ำหนักωk", k = 1,2, ... , n โดยทั่วไปในการสุ่มค่าตัวแปรจะไม่ต่อเนื่อง (เช่นการขว้างปาลูกเต๋าใช้เวลาเพียงจำนวนเต็มของ 1-6 จำนวนของสายที่ได้รับจากสถานีโทรศัพท์ใช้เวลาเพียงเต็มที่ไม่เป็นลบ) แต่ยังสามารถจะเต็มไปด้วยคุณค่า ช่วงเวลาหรือแกนที่แท้จริง (เช่นอนุภาคที่ลอยอยู่ในของเหลวเคลื่อนที่ตามทิศทาง) วิธีการวิจัย ในการศึกษาธรรมชาติของการกำหนดตัวแปรสุ่มและการคำนวณมูลค่าที่ใช้ค่าตกอยู่ในช่วงหรือความน่าจะเป็นที่มีความสำคัญโดยเฉพาะอย่างยิ่ง ดังนั้นตัวแปรสุ่มจะใช้ค่าหนึ่งหรือช่วงของค่าที่อยู่ภายในชุดของกิจกรรมพื้นฐานเหตุการณ์ที่เกิดขึ้นควรจะถือว่าเป็นส่วนหนึ่งของโดเมน ตามที่ดังกล่าวเป็นความคิดที่ภาพของการใช้ทฤษฎีความน่าจะเป็นภาษาที่แท้จริงมูลค่าจริงตัวแปรสุ่มการนิยามทางคณิตศาสตร์ที่แสดงว่าดังนี้พื้นที่ความน่าจะเป็น (Ω, F, P) ของตัวแปร x สุ่มถูกกำหนดไว้ในความเป็นจริงΩ ค่าฟังก์ชั่นการวัดคือสำหรับωใด∈Ω, x (ω) เป็นจริงและสำหรับทุกจำนวนจริง x, x (ω) ≤ x สำหรับωประกอบด้วยส่วนย่อยทั้งหมดΩ {ω: x (ω) ≤ x } เป็นเหตุการณ์ที่เป็นองค์ประกอบของ F. เหตุการณ์ {ω: x (ω) ≤ x} มักจะสั้นขณะที่ {x ≤ x} และบอกว่าฟังก์ชั่น f (x) = p (x ≤ x), - ∞ <x <∞ฟังก์ชั่นการกระจายตัวของ x ให้ x, y เป็นพื้นที่ความน่าจะเป็น (Ω, F, P) เมื่อสองตัวแปรสุ่มถ้าถอดนอกเหตุการณ์ศูนย์ความน่าจะเป็น-x (ω) และ Y (ω) เดียวกันแล้วเราเรียกว่า x = Y ด้วยความน่าจะเป็นหนึ่งในสถานประกอบการ ยังแสดงโดย p (X = Y) = 1 หรือ X = Y, α.s. (α.s. ความหมายเกือบแน่นอน) 1 บางปรากฏการณ์สุ่มจำเป็นต้องใช้ตัวแปรสุ่มหลาย ๆ ที่จะอธิบาย ดังกล่าวเป็นเป้าหมายของการถ่ายภาพบนพื้นดินที่ตั้งของจุดของผลกระทบต้องใช้สองพิกัดสามารถกำหนดดังนั้นเพื่อศึกษาพร้อมกันพิจารณาสองตัวแปรสุ่มทั่วไปพื้นที่น่าจะเป็นเหมือนกัน (Ω, F, P) n ตัวแปรสุ่มเมื่อเวกเตอร์มิติ n-กล่าวว่า X = (x1, x2, ... , xn) คือ n-มิติเวกเตอร์แบบสุ่ม ตัวแปรสุ่มสามารถดูเป็นเวกเตอร์สุ่มหนึ่งมิติ n-Ary x1, x2, ... , xn เป็นหน้าที่ของ X (ร่วมกัน) ฟังก์ชันการแจกแจงกล่าวว่า และถ้า (x1, x2) สำหรับสุ่มเวกเตอร์สองมิติที่เรียกว่า x1 ix2 (i2 = -1) เป็นตัวแปรสุ่มที่ซับซ้อน ความเป็นอิสระเป็นอิสระของตัวแปรสุ่มที่ไม่ซ้ำกับทฤษฎีความน่าจะเป็นแนวคิดที่สำคัญ ให้ x1, x2, ... , xn เป็นตัวแปรสุ่ม n ถ้ามีของ n ตัวเลขจริง x1, x2, ... , xn เป็นว่าการกระจายฟังก์ชัน f ร่วมกันของพวกเขา (x1, x2, ... , xn) เท่ากับการกระจายนั้น ฟังก์ชั่น F1 (x1), F2 (x2), ... , Fn (xn) ของผลิตภัณฑ์คือ |
| ผู้ใช้งาน ทบทวน | ทั้งหมด ทบทวน [ 2 ]>>> |
| ||||||||
