Random Variable–随机变量

** 1** Random Variable：是一个未知的随机的变量，其值取决于一个随机事件的结果。如抛硬币的正反两面。

2随机事件一般用X表示，如抛硬币。0和1表示正反。

3 通常用小写字母表示对随机变量的观测值，观测值是一个数没有随机性。如抛4次硬币，得到4个观测值。

Probability Density Function–概率密度函数

1概率密度函数:随机变量在某个确定的取值点附近的可能性。如高斯分布（也称正态分布，是连续的）

随机变量x的取值可以是任意一个实数，μ是均值，σ是标准差。

横轴是X的取值，纵轴是概率密度。

离散的概率分布；

2 把随机变量的定义域记作为x ，如果P是个连续的概率分布，可以对p(x)做定积分。

期望

如果p是个离散的概率分布，随机变量在离散的集合x中取值，可以对p(x)做一个加和。

期望

1 state and action

state：状态 action：智能体做的动作

可以认为这张图片就是当前的状态 agent做的动作就是action

2 policy

policy：策略及为Π函数。根据观测到的状然后做出决策控制agent运动

(根据观测到的屏幕上的画面时该让agent做什么动作,往上或往左或往右)

在许应用学习中，最好policy具有随机性。

3 reward：奖励。强化学习的目标就是获得的奖励总和尽量要高。

state transition 状态转移可以确定也可随机通常随机