瑞利分布概率密度函数推导_算法数学基础-最常见的连续型随机变量分布

对于非离散型的随机变量X，由于其可能的取值不能一一列举出来，不能用分布律来描述。比如一只灯泡的寿命，我们只能给出一个范围比如大于10000小时，而不能说它正好是10000小时。所以任何连续型随机变量取单个值的概率都为零，所以只能用区间来描述随机变量的取值。

但其与离散型随机变量的本质相同，也是一个集合，只不过这个结果集合的元素是无穷多个，只能用区间来表示。如果X表示灯泡的寿命，50005000)。这个直观就能看出来，因为x<10000这个集合一定比x<5000集合包含的元素多，而且他们是包含关系，所以结果应该是多的集合减去少的集合，这样就可以理解了。如果表达成函数关系F(x) = P(X

随机变量分布函数的概念了解以后，我们再来看另外一个重要的概念，就是随机变量的概率密度。密度是什么？一个物体的质量并不能反映它的本质，比如一公斤铁和一公斤棉花质量是相同的，但是密度不同，所以密度更能够反映一件事情的本质特征。所以，随机变量的概率密度更能反映随机现象的本质特点，因为有可能存在相同的随机变量函数表示有着不同的概率密度函数。这里有投过现象看本质的意思在里面。那为什么离散型的随机变量没有概率密度函数呢？因为离散型随机变量不连续，无法用微积分的方法来分析。所以离散型随机变量用分布律来表征，连续性随机变量用概率密度而不是概率分布来表征。数学公式不写了，大家可以去查，就是概率密度函数的不定上限积分等于分布函数(几何意义就是概率密度函数所围成的面积为分布函数的值)。

连续型随机变量分布有以下几种(大家注意连续型随机变量的分布是指概率密度函数的分布，不是概率分布)：

1、均匀分布：概率密度函数为一平行于轴的直线。记作U(a,b)