画圈的那句话看着有些奇怪,但说不出哪里奇怪了

函数本身是无所谓随机的,而函数的自变量,我们说它是个固定值它就是个固定值,说它是个随机变量它就是个随机变量。如果函数的自变量是个随机变量,那函数值也就是个随机变量了。概率密度函数p(x)也一样是一个函数,一般我们会说对某个x的值概率密度是多少,但是也完全可以说对于随机变量x,考虑p(x)的期望和方差,没有任何问题。
概率密度函数也仅仅只是一个函数而已。

■网友
likelihood也只是一个函数,你给它喂一个x输入,它给你一个likelihood function value输出。那么如果你的输入是个随机变量/随机向量,自然返回值也就是一个随机变量。
比如你进行决策的决策准则是likelihood function的值(或者两个likelihood function的值得比值)落入某个范围的时候,你做出某种决定(比如拒绝零假设)。在实践中,你可以想象你所要分析的数据是随机产生的,因此数据的随机性导致了你根据数据所做出的决定有随机性,从而有一定的机会出错。
举个例子,假设一般而言,我不饿的时候,likelihood function大多是小于-100的;而我饿了的时候,likelihood的值一般会大于-100时。于是我把决策定为:但凡看到计算出来的likelihood大于-100,就说明我饿了,我就去吃一个布丁。
可是有些时候我并没饿,但由于随机性likelihood的值还是大于-100了,这时候我吃布丁就吃错了。把数据记为X,我犯错当且仅当likelihood function的值:L(X)\u0026gt;-100,那么你可以根据已知的X的分布来计算出:
Probability(L(X)\u0026gt;-100 | 我没饿)
【画圈的那句话看着有些奇怪,但说不出哪里奇怪了】 这个概率,这也就是错误率。计算上述概率的时候,L(...)这个函数在你眼里应该只是一个函数而已,不要去考虑它与X的关系。你应该找出哪些t值会使得L(t)\u0026gt;-100(从而我要吃一个布丁),然后确定在我不饿的时候X的分布(一般跟我饿的时候的分布不一样),最后确定在这个分布下X落入这些t值所构成的集合的概率。

■网友
概率密度函数f(x)是指随机变量X取x时的概率密度,X才是随机变量,而不是x。随机变量的值随机会而定,如果X是随机会而定的,有可能取1,有可能取2...,那么作用上一个函数,h(X)也是随机会而定,如果X取1,那么h(X)就取h(1)...什么叫随机会而定?就是指结果要在试验后才知道,到底出现哪一个要看机会,即有一定概率...


    推荐阅读