连续型随机变量的分布
（一）连续型随机变量及其概率密度函数
1.定义：对于随机变量X的分布函数F(X)，若存在非负函数f(x),使对于任意的实数x，有()()xFxftdt，则称X为连续性随机变量，f(x)称为X的概率密度函数，简称概率密度。
注：F(x)表示曲线下x左边的面积，曲线下的整个面积为1。
2 .密度函数f(x)的性质：注：f(x)不是概率。
1) f(x)≥0
2) ()1fxdx+
- =ò
3) 21x1221x{xx}f(x)x(x)(x)PXdFF
特别地，连续型随机变量在某一点的概率为零，即{}0.PXx==（但{X=x}并不一定是不可能事件）
因此 P(a≤X≤b)= P(a
4）若f(x)在点x处连续，则()().Fxfx
分布函数性质
i) 0≤F(x)≤1；
ii)F(-∞)=0,F(+∞)=1；
ⅲ) 当x1≤x2时，F(x1)≤F(x2)；（单调性）
iv) F(x)是连续函数
注：iv)与离散型随机变量不同，
离散型随机变量的分布函数有有限个或无限可列个间断点。
例1 设随机变量X的分布函数为F(x)=A+B arctanx,
求 （1）系数A，B （2）P(-1
分析：主要是应用分布函数的性质。
解 （1）由F(-∞)=0,F(+∞)=1得
0212ABAB 解之，得 121AB
（2）由(1)知F(x)=11arctan,2x
基 本 内 容 备 注 1 故得P（-1
111()442pppp=--=
(3) f(x)21() ()(1)Fxxxp¢==-?<+ +
例2 设随机变量X的概率密度为3xk, x0, f(x)0, x0,e-ìï>ï=íï£ïî试确定常数k，并求其分布函数F(x)和P{X>0.1}.
解：由f(x)x1d+
连续型随机变量x的密度函数
连续型随机变量x的密度函数（或概率密度函数）f(x)定义为：对于任意实数a和b（a < b），有：
P(a ≤ x ≤ b) = ∫[a, b] f(x)dx
其中，∫[a, b]表示对x从a到b的积分。
密度函数f(x)满足以下性质：
1. f(x) ≥ 0，即密度函数的取值非负。
2. ∫(-∞, +∞) f(x)dx = 1，即密度函数在整个定义域上的积分等于1。
密度函数可以用来计算随机变量落在某个特定区间的概率。例如，随机变量x的密度函数f(x)，那么P(a ≤ x ≤ b)可以通过对密度函数在[a, b]区间上的积分来计算。
密度函数的形式取决于具体的概率分布。常见的连续概率分布如正态分布、均匀分布、指数分布等都有相应的密度函数。不同的分布函数有不同的数学表达式来描述其密度函数。
连续型随机变量密度函数
本文将介绍连续型随机变量密度函数的定义、性质以及一些常见的密度函数模型。
一、连续型随机变量密度函数的定义
在概率论中，如果一个随机变量X的取值范围是连续的，那么X就是一个连续型随机变量。连续型随机变量的概率分布通过密度函数f(x)来描述。
1.非负性质：对于任意的x，有f(x)>=0。
2. 归一性质：∫f(x)dx = 1，即密度函数的积分等于1
由于密度函数取值范围是连续的，因此对于具体的x，f(x)并不表示概率，而是表示在x处单位长度的概率密度。
二、连续型随机变量密度函数的性质
1.概率密度函数的非负性：对于任意的x，有f(x)>=0。
2. 概率密度函数的归一性：∫f(x)dx = 1
3.概率密度函数的非增性：若x1=f(x2)。
4. 概率密度函数的积分性质：对于任意的a <= b，有P(a ≤ X ≤
b) = ∫f(x)dx。
三、常见的连续型随机变量密度函数模型
1.均匀分布：均匀分布是最简单的连续型随机变量模型，其密度函数为： f(x)=1/(b-a)，a≤x≤b
其中，a和b分别是均匀分布的下限和上限。
2.正态分布：正态分布是自然界中很常见的分布，也称为高斯分布。其密度函数为：
f(x)=(1/(σ√(2π)))*e^((-1/2)*((x-μ)/σ)^2)
其中，μ是正态分布的均值，σ是正态分布的标准差。
3.指数分布：指数分布常用来描述连续型随机事件的发生间隔时间。
f(x)=λ*e^(-λx)，x≥0
其中，λ是指数分布的参数，反映了事件发生的速率。
4.伽玛分布：伽玛分布是指数分布的推广，用于描述多个独立发生的事件所需时间的总和。其密度函数为：
f(x)=(β^α/Γ(α))*x^(α-1)*e^(-βx)，x≥0
其中，α和β是伽玛分布的参数，α为形状参数，β为尺度参数。
除了以上常见的密度函数模型外，还有伯努利分布、二项分布、泊松分布、几何分布等连续型随机变量模型。每种模型都有其特定的密度函数表达式和参数。
未知驱动探索，专注成就专业
1
概率密度函数
概率密度函数（Probability Density Function，简称PDF）是统计学中描述随机变量的概率分布的函数。PDF可以用来描述连续型随机变量各个取值的概率分布情况。
1. 概念和定义
概率密度函数是用来描述随机变量的取值在某个范围内的概率分布情况。对于连续型随机变量X，其概率密度函数f(x)满足以下条件：
1. 对于任意的x，f(x) ≥ 0，即概率密度函数的值为非负数。
2. 在整个取值范围内，概率密度函数的面积等于1，即∫f(x)dx = 1。
3. 对于任意的a ≤ b，随机变量X落在区间[a, b]上的概率可以表示为P(a ≤ X ≤ b) = ∫[a, b]f(x)dx。
2. 特性和性质
概率密度函数具有一些重要的特性和性质，我们在这里列举一些常见的：
• 概率密度函数是非负的。对于任意的x，概率密度函数f(x) ≥ 0。
• 概率密度函数的面积等于1。即∫f(x)dx = 1。
• 概率密度函数可以用来计算随机变量落在某个区间内的概率。例如，P(a ≤ X ≤ b) = ∫[a, b]f(x)dx。 未知驱动探索，专注成就专业
2
• 概率密度函数的积分可以计算累积分布函数。累积分布函数（Cumulative Distribution Function，简称CDF）是描述随机变量X落在一个给定值以下的概率。
• 概率密度函数可以用来计算随机变量的期望值和方差。
• 概率密度函数可以用来比较不同随机变量的概率分布情况。
3. 常见的概率密度函数
在统计学和概率论中，有一些常见的概率密度函数被广泛应用于实际问题的建模和分析中。以下是一些常见的概率密度函数：
1. 均匀分布：均匀分布是最简单的概率密度函数，表示在一个给定的区间内，各个取值都是等概率的。例如，在区间[a, b]上的均匀分布的概率密度函数为f(x) = 1 / (b-a)。
