imicola 定义与概率密度
定义与概率密度

定义与概率密度

732 字 · 约 2 分钟

对于随机变量XX,若存在非负可积函数 f(x), x∈Rf(x),\, x\in \mathbb{R}

对于任意a,b∈R,(a<b),⟹P(a<X≤b)=∫abf(x)dxa,b \in \mathbb{R},(a < b),\Longrightarrow P(a < X \leq b) = \int_{a}^{b}f(x)\mathrm{d}x

称XX为连续型变量, f(x)f(x) 称为XX的概率密度函数,求在区间L,RL,R 的概率就是求这个区间的积分

性质:

  • f(x)≥0f(x) \geq 0
  • ∫∞∞f(x)=1\int^{\infty}_{\infty}f(x) = 1

分布函数

定义2:

  • 随机变量XX(离散型,连续型),x∈Rx \in \mathbb{R}
  • 称F(x)=P{X≤x}F(x) = P\{X \leq x\}为XX的分布函数

性质:

  • ∀a,b∈R,(a<b)\forall a,b \in \mathbb{R},(a<b) 则 P(a<X≤b)=F(b)−F(a)P(a < X \leq b) = F(b) - F(a)
  • F(x)F(x)单调不减
  • 0≤F(x)≤10 \leq F(x) \leq 1
  • lim⁡x→−∞F(x)=0,lim⁡x→∞F(x)=1\underset{x\to-\infty}\lim F(x) = 0,\underset{x\to\infty}\lim F(x) = 1
  • 分布函数是右连续的,即 lim⁡x→x+F(x)=F(x0)\underset{x\to x^{+}}\lim F(x) = F(x_0)

对于离散型:

F(x)=∑k=0npkF(x) = \sum\limits_{k = 0}^{n}p_{k}
对于连续型:
F(x)=∫−∞xf(t)dtF(x) = \int_{-\infty}^{x} f(t)\mathrm{d}t
其中f(t)f(t)为密度函数

同时,我们也有F′(x)=f(x)F'(x) = f(x) 即分布函数求导可以得到密度函数,在连续性中 P{X=a}=0P\{X = a\} = 0

均匀分布

均匀分布X∼U(a,b)X\sim U(a,b)

有密度函数f(x)f(x)

f(x)={1b−aa<x<b0otherf(x) = \begin{cases} \frac{1}{b-a} \quad a<x <b \\ \\ 0 \qquad \text{other} \end{cases}

分布函数F(x)F(x)

F(x)={0 x≤ax−ab−aa<x<b1 x≥bF(x) = \begin{cases} 0 \quad \ \quad x \leq a \\\\ \frac{x-a}{b-a} \quad a < x < b \\\\ 1 \qquad\ x \geq b \end{cases}

指数分布

X∼E(θ)X \sim E(\theta):
密度表达式

f(x)={1θe−xθ x>00x≤0f(x) = \begin{cases} \frac{1}{\theta} e^{\frac{-x}{\theta}}\ \quad x > 0 \\ \\ 0 \qquad \quad x \leq 0 \end{cases}

分布函数

F(x)={1−e−xθ x>00x≤0F(x) = \begin{cases} 1 - e^{\frac{-x}{\theta}}\ \quad x> 0 \\ \\ 0 \qquad \qquad x \leq 0 \end{cases}

会常在无记忆性的 "电子元器件使用" 中出现

正态分布

X∼N(μ,σ2)X \sim N(\mu,\sigma^{2})

f(x)=12πσe−(x−μ)22σx∈Rf(x) = \frac{1}{\sqrt{2\pi}\sigma}e^{-\frac{(x - \mu)^{2}}{2\sigma}} \quad x\in \mathbb{R}
特别的,当X∼N(0,1)X \sim N(0,1)时候我们说概率分布服从标准正态分布