指示器隨機變量當A發生時爲1,否則爲0.指示器隨機變量也是變量,也具有隨機變量的性質,所以我們可以計算一個指示器隨機變量的期望值。設一個指示器隨機變量爲X,則X = 0,1。有
E(X) = 1xP(X=1) + 0xP(X != 1) = P(X = 1) 。而P(X=1)是什麼呢?它是X所對應的事件A的概率,即P(A)。因爲我們“恰巧”把當A發生時它的指示器隨機變量定義成1,所以纔會有這個結果。
引理5.1 給定一個樣本空間S和S中的一個事件A,設
回頭看投擲硬幣的例子,“正面朝上的期望次數”就是H的期望次數,如果H發生了就1次,不發生就0次。所以有正面朝上的期望次數就是指示器隨機變量XH的期望值。
指示器隨機變量,算法導論5.2
發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章
算法複雜度漸近符號總結
Viko_ReCode
2020-07-07 16:10:03
《算法導論》學習之旅-第十二章-二叉搜索樹
Miller_em
2020-07-08 10:23:22
《算法導論》學習之旅-第十一章-散列表
Miller_em
2020-07-08 10:23:22
《算法導論》-讀書筆記-第七章-快速排序(QUICKSORT)
Miller_em
2020-07-08 10:23:21
《算法導論》學習之旅-第十五章-動態規劃
Miller_em
2020-07-08 10:23:21
《算法導論》學習筆記-第八章-線性時間排序(Linear_time Sort)
Miller_em
2020-07-08 10:23:21
《算法導論》學習之旅-第十章-基本數據結構
Miller_em
2020-07-08 10:23:21
帶路徑壓縮的並查集C/C++模板
NGU_Jq
2020-07-08 10:21:35
用先序序列和中序序列創建二叉樹
NGU_Jq
2020-07-08 10:21:35
《算法導論》爲什麼經典
爱你的人总会到来
2020-07-07 15:28:49
《算法導論》學習心得(三)—— 歸併排序(Java)
小小程序猿_
2020-07-07 00:27:21
《算法導論》學習心得(四)—— 堆排序(Java)
小小程序猿_
2020-07-07 00:27:11
最壞情況爲線性時間的選擇算法之Python實現
吴海旭
2020-07-06 17:25:52