连续型概率分布，正态分布

一。一维连续型随机变量

$P(a<X<b)=P(a\leqslant X\leqslant b)$
$=F(b)-F(a) = \int_{a}^{b}f(x)dx$
$F(x)=\int_{-\infty}^{x}f(t)dt$
称F(x)是随机变量X的分布函数，f(x)为X的概率密度

二。性质：

1)$f(x) \geqslant 0;$
2)$\int_{-\infty}^{+\infty}f(x)dx =1$
3) P{X=a} = 0,

三。重要分布

1).均匀分布

$\left\{\begin{matrix} & \frac{1}{b-a},a\leqslant x\leqslant b\\ & 0, others\end{matrix}\right.$

2).指数分布

3).正态分布

$f(x)=\frac{1}{\sqrt{2\pi}\sigma }e^{\frac{(x-\mu )^2}{2\sigma ^2}} (-\infty < x< +\infty )$

$\mu$ 为期望值，$\sigma$ 为方差。称X为服从参数为$\mu$ 和$\sigma$的正态分布，简记为
X ~ $N(\mu,\sigma^2)$

4).标准正态分布

当$\mu$=0时，$\sigma$ =1时，称为正态分布。简记为 X ~ N（0，1）。
将一般正态分布做标准化转换

$Y=\frac{X-\mu}{\sigma}$ ~ N(0,1)

$F(x)=\Phi (\frac{x-\mu }{\sigma })$

四。示例

【例1】设随机变量X服从正态分布N（0,1），对给定的$\alpha$，数$\mu_{\alpha}$满足$P(X>\mu_{\alpha})$，若$P(|X|<x)=\alpha$，则 x 等于（）。
(A)$\mu_{\frac{\alpha}{2}}$
(B)$\mu_{1-\frac{\alpha}{2}}$
(C)$\mu_{\frac{1-\alpha}{2}}$
(D)