code

2016年12月17日 星期六

Probability筆記23 - Discrete RV模型(1): Bernoulli RV

Indicators

這個之前已經看過很多了,特性就是E(X) = P(X=1),因為X的outcome不是1就是0。

另外E(X^n)永遠等於E(X),因為X^n永遠等於1^n或是0^n,而後者對E(X^n)沒有作用。

所以Var(X):


算是可以快速計算(不過其實也不用記那麼多,反而難記)。



PMF & CDF 

很簡單如下:




Bernoulli變形

如果X的值不一定是1或靈,而是另外兩個實數的話,其實也可以轉變為Bernoulli:

例如Y = a if event A發生,機率為p,otherwise Y = b if ~A發生。
則Y可以寫成一個Bernoulli RV的function,令此Bernoulli X denote event A happens:

Y = aX + b(1-X)

因為當X = 1,Y = a,而當X = 0,Y = b,符合原本Y對event A的mapping。

所以我們要找E(Y)或是Var(Y)都會變得計算上很簡單,因為Indicators RV的一些計算簡化的特性(如第一段所述)。



沒有留言:

張貼留言