Skip to content

连续型随机变量及其分布

2025-06-03

连续型随机变量

连续型随机变量 X

存在函数 fX(x) 使满足以下条件的随机变量

  1. fX(x)0
  2. X分布函数 FX(x)=P(Xx)=xfX(t)dt
概率密度函数 fX

连续型随机变量 X分布函数 FX 的广义导数[1]

fX(x)={dFX(x)dxif exists0 usuallyelse
性质 1
fX(x)0
性质 2
+fX(x)dx=1
性质 3
P(a<Xb)=FX(b)FX(a)=abfX(x)dx
性质 4
FX 是连续函数,且 P(X=x)=FX(x)FX(x)=0
性质 5
fX 的连续点 x 处有 FX(x)=fX(x),且 FX 最多只能在有限个点处不可导。
性质 6
改变 fX 的有限个函数值,FX 不变。
INFO

Δx 很小时,P(x<Xx+Δx)fX(x)Δx

均匀分布

均匀分布 XU(a,b)

在区间 (a,b) 内,概率密度处处相等。

fX(x)={1baa<x<b0otherFX(x)={0x<axabaax<b1xb

指数分布

指数分数 XE(λ)

通常是某些产品或系统寿命的分布。

fX(x)={λeλxx>00x0FX(x)={1eλxx>00x0

正态分布

正态分布(高斯分布) XN(μ,σ2)

μσ>0 为常数:

fX(x)=1σ2πe12(xμσ)2
高斯积分
+e12x2dx=2π
性质 1
fX(x) 关于 x=μ 对称。
性质 2
fX(x) 的最大值为 fX(μ)=1σ2π
性质 3
fX(x)x=±σ 处有拐点。
性质 4
fX(x)(μ,+),在 (,μ)fX(+)=fX()=0
性质 5
μ 不变时,σ 越大,fX 的曲线越平坦;σ 越小,fX 的曲线越尖。
性质 6
σ 不变时,改变 μ,就是将 fX 的曲线沿 x 轴平移。
INFO
  • P(|Xμ|<σ)0.6826
  • P(|Xμ|<2σ)0.9544
  • P(|Xμ|<3σ)0.9973

标准正态分布

标准正态分布 XN(0,12)

μ=0σ=1正态分布

φ(x)=fX(x)=12πex22Φ(x)=FX(x)
推论
XN(μ,σ2)XμσN(0,12)fX(x)=φ(xμσ)FX(x)=Φ(xμσ)

  1. 广义导数:不可导处取任意值的导数函数。 ↩︎