概率论与数理统计——“随机变量”引发的思考.pdfVIP

概率论小论文 “随机变量”引发的思考 概率论与数理统计知识脉络梳理 张靓 2013/12/8 班级：1203105 学号：1120310517 课程名称：概率论与数理统计 任课教师：史晓冉 本文从对概率论与数理统计中与“随机变量”有关的一些基本概念的个性化解读谈起， 随后介绍了“概率论”与“数理统计”的区别与联系，以及经典概率论与现代概率论的 对比，最后阐述了作者对总体与样本的理解。 “随机变量”引发的思考 ——概率论与数理统计知识脉络梳理 摘要：本文从对概率论与数理统计中与“随机变量”有关的一些基本概念的个性化解读谈起， 随后介绍了“概率论”与“数理统计”的区别与联系，以及经典概率论与现代概率论 的对比，最后阐述了作者对总体与样本的理解。全篇内容颇散，然而主旨思想只有一 个——对概率论与数理统计以及其他数学物理等基础学科的学习一定要务求甚解，深 刻理解其原理，才能在未来的道路上用到它们的时候信手拈来。 关键词：随机变量，总体，样本 “随机变量”就是一个取值随机的变量。这是我第一次学习随机变量时的印象。在随后 的分布以及多维随机变量的学习中并没有觉得有何不妥。直到学习数理统计的部分，“将总 体视为一个随机变量X ”，“将样本视为一个n 维随机变量（X ,X , … , X ）”，这样的叙述让我 1 2 n 感到费解，于是我发觉我需要更深刻地理解“随机变量”。 什么是“随机变量”？ [1] 首先回顾课本 第45 页“随机变量的概念”一节是如何引入“随机变量”的。 “在随机试验中，人们观察的量常常是一个随机取值的量。……但是有些试验的观察对 象本身不是数量。例如，抛硬币出现正面还是反面。……出现正面用“1”表示，反面用“0 ” 表示。……对试验结果不是数值的情形，可将它们数量化，仍然用数量来描述。” “如果把试验中所观察的对象用X 来表示，那么X 就有这样的特点：随着试验的重复X 可以取不同的值，并且在每次试验中的取值无法预言，是带随机性的。因此，自然地称 X 为随机变量。” “由于X 是随着试验的结果（基本事件e ）不同而变化的，因此X 实际是基本事件e 的 函数，即X = X(e) 。” “定义：设E 是随机试验，它的样本空间是S，如果对S 中的每个基本事件e，都有唯 一的实数值X(e)与之对应，则称X(e)为随机变量，简记为X。” “引入随机变量后，随机事件就可以用随机变量来描述了。” “…………” 带着疑问再次读这一段，我发现在第一次学习中我忽略了太多的要点。 1.我们想要解决的的问题是把随机试验的结果数量化。 2.X 实际是个函数值！更确切的说是“随机试验的所有基本事件e 向实数的映射”。它是 随机试验的数量化表述。如果借用“总体是一个随机变量”的逻辑，我们就可以说“随机变 量是一个事件”，即是把随机变量和它所要描述的实体等同起来。套用我们所熟悉的“函数” 概念，我们可以说，“基本事件是自变量，而随机变量X 是因变量”，显然，这个自变量不能 画在坐标系中用数轴表示。当然，这恰恰是我们构造这个X=X(e) 函数的用意。当我们需要将 基本事件作为横轴去做一些研究时，我们就需要借助随机变量（函数），先将基本事件e 对 应到实数上（X=X(e) ），再令X 作为基本事件e 的等价物作为其它函数（比如概率密度函数） 的横轴（自变量）。 2 / 4 3.随机变量完成了事件到数字的映射，实现了用数学语言去描述随机现象。随机变量（的 值域）是没有随机