连续随机变量的概率密度函数以及正态分布 Python
在概率论和统计学中,连续随机变量是指可以取无穷多个可能值的随机变量。连续随机变量的概率分布可以用概率密度函数(Probability Density Function,PDF)来描述。而正态分布(Normal Distribution)是一种常见的连续概率分布,也被称为高斯分布(Gaussian Distribution)。本文将介绍如何使用Python计算和绘制连续随机变量的概率密度函数以及正态分布。
概率密度函数(PDF)是描述连续随机变量概率分布的函数。对于连续随机变量X,其PDF表示为f(x),满足以下两个条件:
- f(x) ≥ 0,对于所有的x。
- 在整个定义域上的积分等于1,即∫f(x)dx = 1。
正态分布是一个非常重要的概率分布,它在自然界中广泛存在,也被广泛应用于统计学和自然科学中。正态分布的概率密度函数可以用以下公式表示:
f(x) = (1 / (σ * sqrt(2π))) * exp(-(x - μ)^2 / (2σ^2))
其中,μ是均值,σ是标准差。
下面是使用Python计算和绘制连续随机变量的概率密度函数以及正态分布的示例代码: