均匀分布的概率密度_概率ch2_4 连续型随机变量及其概率密度

注意: 概率密度f(x)不是随机变量X取实数值x的概率，而是X在点x处的概率分布的密集程度, 反映X在点x附近取值的概率大小。

        离散型随机变量用概率函数(分布律)描述, 而连续型随机变量，则用其概率密度来描述。

均匀分布的意义: 在区间(a,b).上服从均匀分布的随机变量X,落在区间(a,b)中 任意等长度的子区间内的可能性是相同的.

指数分布常作为各种“寿命”分布的近似.  例如无线电元件的寿命 、电力设备的寿命、动物的寿命等都服从指数分布.

正态分布的应用与背景 

        如果随机变量是由多种相互独立的随机因素的综合影响所形成。而每一种因素在总的影响中所起的作用都是微小的，不能起到压倒一切的主导作用。具有这种特点的随机变量，一般都可以认为近似服从正态分布。

        正态分布是最常见最重要的一种分布, 例如测量误差, 人的生理特征尺寸如身高、体重等 ; 正常情况下生产的产品尺寸:直径、长度、重量高度等都近似服从正态分布.

     3. 正态分布是概率论中最重要的分布

        正态分布有极其广泛的实际背景, 例如测量误差, 人的生理特征尺寸如身高、体重等 , 正常情况下生产的产品尺寸:直径、长度、重量高度,炮弹的弹落点的分布等, 都服从或近似服从正态分布.  可以说, 正态分布是自然界和社会现象中最为常见的一种分布, 一个变量如果受到大量微小的、独立的随机因素的影响, 那么这个变量一般是一个正态随机变量.

        另一方面, 有些分布(如二项分布、泊松分布)的极限分布是正态分布. 所以,无论在实践中, 还是在理论上, 正态分布是概率论中最重要的一种分布.

        二项分布向正态分布的转换