均匀分布取某一点概率_小橘猫笔记：概率密度函数与累积密度函数的直观意义...

本文主要介绍概率密度函数和累积密度函数的概念。

一、离散型的概率密度函数与累积密度函数

对于一个离散型的随机变量

，它可能服从我们已知的一些理论分布，也可能服从某个未知的乱七八糟的分布。这时候，我们有一种稳（cu）健（bao）的方式去描述它的分布情况，那就是概率密度函数

和累积分布函数

：

……(1)

……(2)

下面我们说说这两个函数的关系。假设一个分布有若干个可能的观测值{

}，那么

如刚刚所言，就是随机变量小于等于

的概率，它可以表示成：

……(3)

特别地，当

，有：

……(4)

举一个例子说明这个关系。假设一个分布只有{

}，

就是随机变量不大于

的概率。既然分布里面不大于

的只可能是

和

，那这个概率自然可以写成

，也就是

了。

同理，要求某个

的概率密度函数，也可以由某两个累积密度函数相减得到。例如上例里面，

就等于

，具体写成严谨的表达方式有些麻烦，就不写了 。

二、连续型概率密度函数与累积密度函数

对离散型随机变量，它的任何一个观测值，我们基本上都可以轻易算出它的概率，进而得到整个分布的概率密度函数和累积密度函数。但我们的随机变量不再是离散型的，而是连续型的，就再也无法算出某个观测值出现的概率了。譬如说，

是一个在

区间均匀分布的随机变量，

的概率就没办法算出来（测度论咱们先不涉及）。

幸运的是，我们至少还是知道各个观测值对应概率的比例的。就像上面的例子，各个观测值对应概率比例都是一样的，均匀分布嘛。那可不可以在连续区间上方画一条曲线，曲线在某点的高度代表着这个点作为观测值出现的概率呢？根据这个想法，我们引入了连续型的概率密度函数。

每个点对应的高度就是其概率密度，也就是被观测到的可能性

概率密度函数帮助我们解决连续型随机变量遇到的分析困难。对于一个分布于区间

上的连续随机变量，我们可以构造一个概率密度函数

来描述该变量的分布情况。 注意，只是相对大小，不是绝对大小，例如

并不是说

被观测到的概率是

。

那问题来了，既然

衡量的是

相对大小，那我给

随意乘一个非零常数

，让它变成

，并且当做新的概率密度函数，是不是不会有影响呢？

为了方便分析，我们参考式子(4)，给了

一个限制：

……(5)

其中 记

为该分布的可行域。这样限制下来，每个分布对应的概率密度函数就是唯一的了。

类比离散型随机变量的累积密度函数，参考式子(3)，我们也很容易猜到连续型随机变量的累积密度函数会定义为：

……(6)，

也就是该随机变量不大于

的概率。