在黃文璋老師3.1節內容提及離散型隨機向量的joint p.d.f 只要求非負以及總和=1,
但在1.4節對於隨機變數卻要求p.d.f要小於1(就Kolmogorov axiom應是如此);請問為何
在多維度時卻不必小於1?另外,在joint.c.d.f,黃老師特別只講述連續型,對離散型並未
多著墨(理由應用不多以及無簡單型式),可否能說明離散型的joint.c.d.f相關概念?
在課本例題中證明隨機變數的離差期望值(E[│X-c│]),當c取Xp(中位數)會是最小,當
中利用一個條件:
Xp
∫ (x -c) f(x) dx 非負 ,for all real number c
c
可否能說明理由?感謝
--
一個人澈悟的程度
恰等于他所受痛苦的深度
~~林語堂
--
但在1.4節對於隨機變數卻要求p.d.f要小於1(就Kolmogorov axiom應是如此);請問為何
在多維度時卻不必小於1?另外,在joint.c.d.f,黃老師特別只講述連續型,對離散型並未
多著墨(理由應用不多以及無簡單型式),可否能說明離散型的joint.c.d.f相關概念?
在課本例題中證明隨機變數的離差期望值(E[│X-c│]),當c取Xp(中位數)會是最小,當
中利用一個條件:
Xp
∫ (x -c) f(x) dx 非負 ,for all real number c
c
可否能說明理由?感謝
--
一個人澈悟的程度
恰等于他所受痛苦的深度
~~林語堂
--
All Comments