1. 分布函数(概率累加和)
设X是一个随机变量,x是任意实数,函数
F
(
x
)
=
P
{
X
≤
x
}
F(x)=P\{X\leq x\}
F(x)=P{X≤x},
−
∞
<
x
<
+
∞
-\infty \lt x \lt +\infty
−∞<x<+∞
称为
X
X
X的分布函数。
F
(
x
)
F(x)
F(x)的基本性质:
- F ( x ) F(x) F(x)是个不减函数
-
0
≤
F
(
x
)
≤
1
0 \leq F(x) \leq 1
0≤F(x)≤1且
F ( − ∞ ) = lim x → 0 F ( x ) = 0 F(- \infty)={\lim_{x \to 0}}F(x)=0 F(−∞)=x→0limF(x)=0 F ( ∞ ) = lim x → ∞ F ( x ) = 1 F( \infty)={\lim_{x \to \infty}}F(x)=1 F(∞)=x→∞limF(x)=1
2. 概率密度(面积为概率)
分布函数F(x),存在非负函数
f
(
x
)
f(x)
f(x),使对于任意实数
x
x
x有
F
(
x
)
=
∫
−
∞
x
f
(
t
)
d
t
F(x)=\int_{-\infty}^{x}f(t)dt
F(x)=∫−∞xf(t)dt,则称
X
X
X为连续型随机变量,其中函数
f
(
x
)
f(x)
f(x)称为
X
X
X的概率密度函数(概率密度)
性质:
1.
f
(
x
)
≥
0
f(x)\geq 0
f(x)≥0
2.
∫
−
∞
∞
f
(
x
)
d
x
=
1
\int_{-\infty}^{\infty}f(x)dx=1
∫−∞∞f(x)dx=1
3. 对于任意实数
x
1
,
x
2
(
x
1
≤
x
2
)
x_1,x_2(x_1 \leq x_2)
x1,x2(x1≤x2)
P
{
x
<
X
≤
x
2
}
=
F
(
x
2
)
−
F
(
x
1
)
=
∫
x
1
x
2
f
(
x
)
d
x
P\{x \lt X \leq x_2\}=F(x_2)-F(x_1)=\int_{x_1}^{x_2}f(x)dx
P{x<X≤x2}=F(x2)−F(x1)=∫x1x2f(x)dx
4. 若
f
(
x
)
f(x)
f(x)在点
x
x
x处连续,则有
F
′
(
x
)
=
f
(
x
)
F^{'}(x)=f(x)
F′(x)=f(x)
3. 分布
- 均匀分布
若连续型随机变量X具有概率密度
f ( x ) = { 1 b − a a < x < b 0 其 他 f(x)= \begin{cases} \frac{1}{b-a}&a \lt x \lt b \\ 0& 其他 \end{cases} f(x)={b−a10a<x<b其他
则称 X X X在区间 ( a , b ) (a,b) (a,b)上服从均匀分布,记为 X ∼ U ( a , b ) X\sim U(a,b) X∼U(a,b) - 指数分布
若连续型随机变量X的概率密度为
f ( x ) = { 1 θ e − x / θ x > 0 0 其 他 f(x)= \begin{cases} \frac{1}{\theta}e^{-x/\theta}&x \gt 0 \\ 0& 其他 \end{cases} f(x)={θ1e−x/θ0x>0其他
其中 θ > 0 \theta>0 θ>0为常数,则称X服从参数为 θ \theta θ的指数分布 - 正态分布
若连续型随机变量X的概率密度为
f ( x ) = 1 2 π σ e − ( x − u ) 2 2 σ 2 , − ∞ < x < ∞ f(x)=\frac{1}{\sqrt{2\pi}\sigma}e^{-{\frac{(x-u)^2}{2\sigma^2}}},-\infty \lt x \lt \infty f(x)=2πσ1e−2σ2(x−u)2,−∞<x<∞
其中 u , σ ( σ > 0 ) u,\sigma(\sigma>0) u,σ(σ>0)为常数,则称X服从参数为 u , σ u,\sigma u,σ的正态分布(高斯分布),记为 X ∼ N ( u , σ 2 ) X \sim N(u,\sigma^2) X∼N(u,σ2)