连续随机变量的概率密度函数以及正态分布 Python

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：

1. f(x) ≥ 0，对于所有的x。
2. 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：