Random variable: isang kumpletong gabay na may mga kahulugan, uri, at halimbawa

pagtanggap sa bagong kasapi » Kabuhayan » Random variable: isang kumpletong gabay na may mga kahulugan, uri, at halimbawa

Kapag pinag-uusapan natin ang isang random variable Sa madaling salita, tinutukoy natin ang isang numero na ang halaga ay random na natutukoy sa bawat oras na uulitin natin ang isang eksperimento. Hindi natin mahuhulaan nang may katiyakan kung ano ang magiging resulta sa isang partikular na sukat, ngunit alam natin na ang mga posibleng halagang ito ay ipinamamahagi ayon sa isang tiyak na distribusyon ng probabilidad—ibig sabihin, isang sistematikong paraan ng pagtatalaga ng mga probabilidad sa mga kinalabasan. Ang balangkas na ito ay nagbibigay-daan sa atin na imodelo ang mga totoong penomeno sa mundo tulad ng mga paghagis ng barya, mga pagsukat ng panahon, o ang pagganap ng isang prosesong industriyal.

Magtrabaho nang masigasig, Maginhawang isipin ang random variable bilang isang function na siyang nagbabago ng mga pangunahing resulta ng isang eksperimento (mga punto sa isang sample space) tungo sa mga totoong numero. Kaya, sa bawat pagkakataong may mangyari sa totoong mundo, ang baryabol ay nagbabalik ng isang halaga. Ang pagsusuring istatistikal ay umaasa sa pag-uulit nang maraming beses. ang eksperimento at sa pagbibilang ng mga resulta upang maiugnay ang mga ito sa mga totoong numero, nang sa gayon ay mapag-aralan natin ang kanilang pag-uugali gamit ang mga kagamitan sa probabilidad.

Pormal na kahulugan at balangkas ng pagsukat

Sa mahigpit na pagsasalita, Ang isang tunay na random variable na X ay isang masusukat na function tinukoy sa isang probability space (Ω, A, P) at may mga halaga sa isang masusukat na codomain (S, Σ). Sa pinakakaraniwang kasanayan, ang codomain ay (ℝ, B(ℝ)), kung saan ang B(ℝ) ay ang Borel σ-algebra ng mga totoong numero. Ito ay ibubuod bilang: X: (Ω, A, P) → (ℝ, B(ℝ)), at ang pangunahing kondisyon sa pagsukat ay nangangailangan na para sa bawat set ng Borel na B, X⁻¹(B) ∈ A. Ginagarantiyahan ng katangiang ito na maaari nating pag-usapan nang makabuluhan ang P[X ∈ B], dahil ang preimage set ay isang masusukat na kaganapan.

Ang isang mahalagang nuance ay iyon hindi naoobserbahan ang mga puntong ω ∈ ΩAng nakikita natin ay X(ω), ang numerikal na halaga. Samakatuwid, ang kawalan ng katiyakan ay wala sa halaga ng X na naobserbahan na, kundi sa hindi pag-alam nang maaga kung ano ang magiging aktwal na halaga ng ω. Ang teorya ng pagsukat ay nagbibigay ng angkop na wika (σ-algebra, mga sukat ng probabilidad) upang gawing pormal ang mga ideyang ito nang walang kalabuan.

Saklaw ng isang baryabol

Ang saklaw ng X, na tinutukoy bilang R_X, ay ang hanay ng mga totoong halaga na maaaring kunin ng baryabol: R_X = { x ∈ ℝ | mayroong ω ∈ Ω kung saan ang X(ω) = x }. Sa madaling salita, ito ang imahe ng punsiyon na X at natural na tumutukoy kung saan maaaring magkaroon ng masa o densidad ng probabilidad ang baryabol.

Mapaglarawang mga halimbawa

Halimbawa 1 (dalawang barya): Kung maghahagis tayo ng dalawang barya, ang sample space ay Ω = {HH, HT, HT, TW}, kung saan ang HH ay mga ulo at ang HT ay mga buntot. Tinutukoy natin ang X bilang ang bilang ng mga ulong nakuha: X(HH)=2; X(HT)=1; X(HT)=1; X(TW)=0. Ang saklaw ay R_X = {0, 1, 2}Ang kasong ito ay prototipikal ng isang discrete variable, dahil tumatagal lamang ito ng ilang nakahiwalay na halaga.

Halimbawa 2 (pang-araw-araw na pag-ulan): Hayaang ang X ang antas ng ulan na naitala sa isang partikular na araw sa isang lungsod. Ang saklaw nito ay maaaring makatwirang katawanin ng [0, ∞). Dito, ang pinagbabatayang espasyo ng sample ay kumplikado (kalagayan ng atmospera, mga modelong meteorolohiko), ngunit maaari nating tantyahin ang distribusyon ng X mula sa mga seryeng pangkasaysayan at isaalang-alang na ang aktwal na distribusyon ng populasyon ay tinatayang katumbas ng empirikal na distribusyon kung ang datos ay malawak at kumakatawan. Sa pagsasagawa, Nagtatrabaho kami gamit ang isang function ng pamamahagi na F_X tinatayang hango sa nasabing mga talaan.

Mga uri ng random variable

Diskretong random na baryabol: Ang isang baryabol ay itinuturing na discrete kung ang saklaw nito ay isang may hangganan o mabilang na walang katapusang set, nang walang mga accumulation point. Ang mga klasikong halimbawa ay ang pagbibilang ng mga ulo sa mga coin tosses o ang bilang ng mga dumating sa isang pila sa loob ng isang minuto. Ang kilos nito ay inilalarawan ng isang probability function (tinatawag ding probability mass function) na nagtatalaga ng p(x) = P[X = x] sa bawat posibleng halaga.

Tuloy-tuloy na random na baryabol: Ito ay isa na ang saklaw ay hindi mabilang, karaniwang isang pagitan na ℝ. Ang taas ng isang tao, ang haba ng buhay ng isang bahagi, o pang-araw-araw na presipitasyon ay mga halimbawa. Ang mga baryabol na ito ay minodelo gamit ang isang density function f(x), kung saan ang probabilidad ay nakukuha sa pamamagitan ng pagsasama sa mga pagitan at kung saan hinango ang cumulative distribution function nito.

Natural na sumasaklaw ang mga kahulugang ito sa mga baryabol na vector na may mga halagang nasa ℝⁿ o ℂⁿ. Mayroon pang mga baryabol na may mas kakaibang mga espasyo ng halaga, tulad ng mga partisyon (lumilitaw sa mga prosesong estokastiko tulad ng restawrang Tsino) o mga hanay ng mga punsiyon (tulad ng sa prosesong Dirichlet). Saklaw ng pangkalahatang teorya ang lahat ng mga kasong ito. gamit ang wika ng mga nasusukat na espasyo.

Pinagsama-samang tungkulin ng distribusyon (CDF)

Ang tungkulin ng distribusyon ng X, F_X(x) = P[X ≤ x], ay nagtatalaga sa bawat totoong x ng pinagsama-samang probabilidad hanggang sa puntong iyon. Ang bawat totoong FDA ay nakakatugon sa tatlong katangian: (i) nililimitahan ang F(x) → 0 kapag ang x → −∞ at F(x) → 1 kapag ang x → +∞; (ii) ito ay monotonikong hindi bumababa; at (iii) ito ay right-continuous. Alamin ang F_XAng (x) ay katumbas ng pag-alam sa batas ng X, kapwa sa mga hiwalay at tuluy-tuloy na kaso.

Tungkulin ng densidad (PDF) at ang kaugnayan nito sa FDA

Kapag ang X ay tuloy-tuloy, ang densidad f_XAng (x) ay ang hinango ng F_X(x) (sa klasikal o distribusyon na kahulugan). Sa kabaligtaran, ang F ay nakukuha sa pamamagitan ng pagsasama ng densidad: F(x) = ∫_−∞^x f(t) dt. (or) Pangkalahatang-ideya Inilalarawan ng densidad kung paano nakapokus ang probabilidad. sa paligid ng iba't ibang halaga, na nagpapahintulot sa P[a ≤ X ≤ b] na kalkulahin bilang ∫_a^b f(x)dx.

Mga pagbabagong-anyo ng mga random na baryabol

Kung ang Y = g(X) na may g Borel na masusukat, At isa rin itong random variable sa parehong base space, dahil ang komposisyon ng nasusukat na Borel function ay nasusukat. Muli, pinapayagan tayo nito na lumipat mula sa distribusyon ng X patungo sa distribusyon ng Y: F_Y(y) = P[g(X) ≤ y]. Mahalagang tandaan na kung ang g ay hindi mahigpit na tumataas o hindi globally invertible, ang pagkuha ng densidad ng Y ay nangangailangan ng pagsasaalang-alang sa lahat ng inversion branch ng g.

Kung ang g ay maaaring baliktarin at tumataas, kung gayon F_Y(y) = F_X(g⁻¹(y))Kung, bilang karagdagan, ang g ay maaaring i-differentiate, ang density ay nakakatugon sa f_Y(y) = f_X(g⁻¹(y)) · |d(g⁻¹(y))/dy|. Kapag ang g ay hindi iniksiyon ngunit para sa bawat y ay may limitadong bilang ng mga preimahe na x_i, ang pormula ay ginawang pangkalahatan ng_Y(y) = Σ_i f_X(x_i) · |dx_i/dy|, kung saan ang x_i = g^-1_i(y). Ang kabuuan na ito ay nagdaragdag ng kontribusyon ng bawat sangay na tumutugma sa y.

Halimbawa ng transpormasyon: parisukat ng isang normal

Ipagpalagay na X ∼ N(0, 1), may densidad na f_X(x) = (1/√(2π))·e^−x²/2Kung tutukuyin natin ang Y = X², ang bawat halagang y ≥ 0 ay may dalawang preimahe: x = ±√y. Sa paglalapat ng pormulang may dalawang simetrikong sanga, Ang f ay nakuha_Y(y) = (1/√(2π y))·e^−y/2 para sa y > 0, yf_Y(y) = 0 para sa y ≤ 0. Ito ang densidad ng isang χ² na may 1 antas ng kalayaan (katumbas ng isang gamma na may hugis na 1/2 at iskala na 2).

Kung titingnan natin ang pinagsama-samang distribusyon ng Y, Para sa y < 0, ang probabilidad ay 0Para sa y ≥ 0, F_Y(y) = P[−√y ≤ X ≤ √y] = F_X(√y) − F_X(−√y), kung saan ang F_X Ito ang karaniwang pamantayan ng FDA. Inilalarawan ng halimbawang ito ang dalawang komplementaryong pamamaraan: pagtatrabaho sa mga densidad (pagbabago ng baryabol) o sa mga pinagsama-samang distribusyon.

Halimbawa ng transpormasyon: mula sa isang batas ng logistik na itinaas patungo sa eksponensyal

Isaalang-alang ang isang baryabol na X na may FDA F_X(x) = 1 / (1 + e^−x)^θ, na may θ > 0. Tinutukoy natin ang Y = ln(1 + e^−XKung gayon, ang Y ≤ y ay katumbas ng X ≥ −ln(e^y − 1). Mula rito, F_Y(y) = 1 − F_X(−ln(e^y − 1))Pagpapalit ng F_X at sa pagpapasimple, makakarating tayo sa F_Y(y) = 1 − e^{−θ at}, na siyang FDA ng isang eksponensial na may parametrong θ. Ito ay isang eleganteng pabagu-bagong pagbabago na nag-uugnay sa isang pinahusay na pamilya ng logistik sa eksponensial na distribusyon.

Inaasahan, pagkakaiba-iba, at mga sandali

Inaasahang halaga, o inaasahang halaga Ang E[X], ay nagbubuod sa sentral na tendensyaKung ang X ay discrete na may mga halagang x_i at mga probabilidad na p(x)_i), kung gayon ang E[X] = Σ x_i p(x_iKung ang X ay tuloy-tuloy na may densidad na f(x), ang E[X] = ∫_−∞^∞ xf(x)dx. Sa mga tuntunin ng pagsukat, maaaring isulat bilang ∫_Ω X dP, na nagbibigay-diin sa abstraktong kahulugan nito kaysa sa espasyo ng probabilidad.

Tinutukoy ng pagkakaiba-iba ang dispersyon: Var(X) = E[(X − E[X])²]Ang karaniwang paglihis ay σ = √Var(X) at tumutugon sa σ² = Var(X). Sa mga tuluy-tuloy na distribusyon, ang hanay ng mga sandali M⁽ⁿ⁾_X = Kayang ganap na makilala ng E[Xⁿ] ang batas sa ilalim ng mga angkop na kondisyon. Ang mga sandali ay nauugnay sa katangiang punsiyon na φ_X(t) sa pamamagitan ng φ⁽ⁿ⁾_X(0) = iⁿ E[Xⁿ], at kasama ang moment generating function na M_X(t) hanggang M⁽ⁿ⁾_X(0) = E[Xⁿ]. Pinapaikli ng mga kagamitang ito ang impormasyon kapaki-pakinabang para sa hinuha, mga pagtatantya, at paghahambing ng mga distribusyon.

Praktikal na pag-uuri at koneksyon sa mga aplikasyon

Diskreto laban sa tuluy-tuloy Hindi lamang ito ang kapaki-pakinabang na dichotomy: nakikilala rin natin ang mga mixed variable (na may discrete at continuous na bahagi), multidimensional variable (random vectors), at variable na may functional values ​​sa mga stochastic process. Ang pagkakaiba-iba na ito ay sumasalamin sa kasalimuotan ng mga totoong penomena sa mundo., kung saan ang mga katiyakang kategoryal at kwantitatibo ay kadalasang magkakasamang umiiral.

Sa totoong pagmomodelo, mahalagang tandaan na Ang naoobserbahan ay ang nabagong baryabol X(ω), hindi ang pinagbabatayang elementong ω. Ito ang gumagabay sa pagpili ng mga sukat, ang kahulugan ng mga pangyayaring interesado, at ang interpretasyon ng mga resulta. Sa inhenyeriya, agham pangkalusugan, o ekonomiksAng pananaw na ito ay nakakatulong upang gawing pormal ang mga hypotheses at pumili ng magkakaugnay na mga probabilistikong modelo.

Paano pumunta mula X patungong Y = g(X): mga teknikal na detalye

Pangkalahatang pormulasyon: kung ang g ay monotoniko at maaaring baliktarin, f_Y(y) = f_X(g⁻¹(y)) · |(d/dy) g⁻¹(y)|Kung ang g ay hindi monotonic ngunit ang bawat y ay may limitadong bilang ng mga ugat na x_i na nagpapatunay sa g(x_i) = y, kung gayon ang mga kontribusyon ng bawat sangay ay pagsasama-samahin: f_Y(y) = Σf_X(x_i) · |dx_i/dy|. Ang tuntunin sa pagbabago ng pabagu-bagong ito Ito ang pangunahing paraan para sa pagkuha ng mga densidad ng mga karaniwang transpormasyon (mga kapangyarihan, logarithmo, mga trigonometrikong punsiyon, atbp.).

Tungkol sa pagsukat, ang komposisyon ng mga nasusukat na tungkulin ng Borel ay masusukat, na sumusuporta sa pamamaraang Y = g(X). Sa mas pangkalahatang konteksto na may masusukat lamang na mga punsiyon ng Lebesgue sa labas ng balangkas ng Borel, ang komposisyon ay maaaring magdulot ng mga problema At kinakailangan ang mga karagdagang kundisyon. Ang teknikal na detalyeng ito ay nagbibigay-katwiran sa karaniwang paggamit ng mga tungkuling Borel sa estadistika at probabilidad upang garantiyahan ang mabuting pag-uugali.

Aplikasyon sa edukasyon: edad at pagganap ng guro

Inilalarawan ang isang imbestigasyon sa pagganap sa pagtuturo ng EIB sa mga pribadong paaralan sa San Juan de Lurigancho na may sample na 54 na guro. Sinuri ang mga edad, na may partikular na interes sa grupo ng mga kabataan (X < 29 taon), at may magagamit na talahanayan na kinabibilangan ng mga frequency, porsyento, balidong porsyento (na nagbabawas sa nawawalang datos) at pinagsama-samang porsyento. Ang layunin ay kalkulahin ang inaasahang halaga at ang pagkakaiba-iba. Para sa edad ng mga batang guro at para sa iba pa, maghinuha ng mga konklusyon, magmungkahi ng mga hakbang sa pagpapabuti at tantyahin ang probabilidad na ang isang guro ay nasa pagitan ng 29 at 31 taong gulang.

Paano magpatuloy: kung ang talahanayan ng edad ay naka-grupo ayon sa mga pagitan, ginagamit ang gitnang punto ng bawat pagitan bilang kinatawan x_i at ang dalas na f_i o ang porsyentong balido bilang timbang. Para sa batang grupo (X < 29), ang mga klase na may pinakamataas na limitasyon na mas mababa sa 29 ay sinasala at ang kabuuan ng mga frequency ay muling ini-scale upang kumatawan sa kabuuan ng subgroup. Ang kondisyonal na inaasahan ay kinakalkula bilang E[X | X < 29] ≈ Σ x_i p_{bata pa ako}, at ang kondisyonal na variance bilang Var(X | X < 29) ≈ Σ (x_i − μ_joven)² p_{bata pa ako}Para sa grupong hindi bata (X ≥ 29), ang proseso ay inuulit sa kanilang mga klase.

Kung ang talahanayan ay hindi nakagrupo at mayroon mga partikular na edad na may mga dalas, kung gayon ang E[X] = (1/N) Σ x_i f_i at Var(X) = (1/N) Σ (x_i − μ)² f_iPara sa mga kondisyonal na bersyon ayon sa mga subgroup, Ang N ay pinapalitan ng laki ng subgroup (N_joven o hindi._{hindi bata}) at tanging ang mga katumbas na frequency lamang ang pinagsasama-sama. Eksaktong kinokopya ng metodolohiyang ito ang kahulugan ng inaasahang halaga at variance, na iniangkop sa totoong datos na mayroon o walang pagpapangkat.

Ano ang mahihinuha natin mula sa mga resultang ito? Kung ang E[X | X < 29] ay mas maliit nang malaki at ang Var(X | X < 29] ay nabawasan, Ang batang grupo ay may mababa at magkakatulad na average na edadKung ang ibang mga sukatan ay nagpapahiwatig din ng mas mahusay na pagganap sa silid-aralan para sa X < 29, ang mga kabataan ay maaaring maiugnay sa ilang kasalukuyang mga kasanayan sa silid-aralan o mas mahusay na pag-aangkop sa mga aktibong metodolohiya. Gayunpaman, ang paghihinuha ng sanhi ay nangangailangan ng pag-iingat.Maipapayo na suriin ang karanasan, pagsasanay, akses sa mga mapagkukunan, at mga istilo ng pamumuno sa sentro.

Mga hakbang upang mapabuti ang pagganap at mga nakamit: (1) nakatuong patuloy na edukasyon sa mga epektibong metodolohiya (aktibong pagkatuto, formative assessment, de-kalidad na feedback); (2) cross-mentoring sa pagitan ng mga gurong nasa junior level at mas may karanasan upang magbahagi ng mga inobasyon at mga estratehiya sa pamamahala ng silid-aralan; (3) komunidad ng pagsasanay kasama ang obserbasyon ng mga kapantay at mga siklo ng pagpapabuti; (4) pag-access sa mga mapagkukunang pang-edukasyon at teknolohiya na may teknikal na suporta; at (5) pagsubaybay gamit ang mga tagapagpahiwatig malinaw na mga tagapagpahiwatig ng pag-unlad ng mag-aaral, na nag-uugnay sa datos ng pagganap sa mga desisyong pedagohikal.

Ano ang probabilidad na ang mga guro ay nasa pagitan ng 29 at 31 taong gulang? Kung ang talahanayan ay nagbibigay ng mga dalas ayon sa edad o maliliit na pagitanIdagdag lamang ang mga frequency na 29, 30, at 31 (o ang interval [29,31]) at hatiin sa kabuuang 54 na guro, o sa kabuuang valid na bilang kung may mga pagkalugi. Kung ang talahanayan ay gumagamit ng malalapad na interval (halimbawa, [28,32]), Maaari itong i-interpolate nang proporsyonal Sa pag-aakalang mayroong pare-parehong distribusyon sa loob ng interval: P(29–31) ≈ (haba ng subinterval)/(haba ng interval) × (dalas ng interval)/N. Kung mayroong posibleng pagkakatugma sa isang tuluy-tuloy na distribusyon, Ang isa pang pagpipilian ay ang pagsasama ng density inayos sa pagitan ng 29 at 31. Kung wala ang tiyak na datos, hindi maaaring magbigay ng numero, ngunit ang pamamaraan ay gaya ng inilarawan.

Mga tala at kaugnayan sa iba pang mga konsepto

Mga distribusyon ng sanggunian Ang binomial at normal na distribusyon ay mga paradigmatikong halimbawa ng mga discrete at continuous variable, ayon sa pagkakabanggit. Ang pag-aaral ng mga probability distribution, inaasahang mga halaga, at mga variance ang bumubuo ng batayan ng mga panimulang kurso. Sa advanced na istatistikal na hinuha Lumilitaw ang mga nosyon tulad ng Fisher Information, na sumusukat kung gaano karaming impormasyon tungkol sa isang parameter ang dala ng isang random na obserbasyon at mahalaga sa kahusayan ng mga estimator at mga limitasyon ng Cramér-Rao.

Higit pa sa teorya, mga galeriya at akademikong mapagkukunan Nakakatulong ang mga ito sa paglarawan sa isip ng mga konsepto at pagpapalawak ng pag-aaral. May mga imbakan na may mga grapikong materyal tungkol sa mga random na baryabol at masaganang bibliograpiya na mas malalim na sumusuri sa mga pangunahing kaalaman at aplikasyon. Mahalaga ang mga suportang ito upang pagtibayin ang pag-unawa at kumonekta sa mga totoong problema.

Mga mapagkukunang PDF para sa karagdagang impormasyon (panlabas na link)

Ilang bukas at sangguniang materyales na mas malalim na sumusuri sa kahulugan at mga katangian ng mga random na baryabol at distribusyon:

• Paksa: Mga Random na Baryabol (ULPGC)
• Estadistika II – Paksa 2 (UGR)
• Kurso sa Probabilidad – Paksa 3 (UC3M)
• Kahulugan ng isang random variable (UGR)
• Random na baryabol (UMA)
• Mga kabanatang sanggunian sa probabilidad at estadistika

Balikan natin ang konseptwal na arkitekturaAng isang random variable ay isang masusukat na punsiyon na nagmamapa ng mga resulta sa mga numero; ang pinagsama-samang distribusyon nito at, sa patuloy na kaso, ang densidad nito, ay ganap na nagko-code sa pag-uugali nito; minamarkahan ng saklaw ang mga posibleng halaga; pinapayagan ng mga transpormasyon ang pagbuo ng mga bagong baryabol; at ang mga buod na dami tulad ng inaasahan, pagkakaiba-iba, at mga sandali ay nagsasama-sama ng mga pangunahing tampok. Gamit ang mga pundasyong itoAng mga halimbawa (mula sa mga barya hanggang sa ulan o mga edad) ay sinusuri gamit ang isang natatanging wika na nag-uugnay sa teorya at praktika.