概率论连续型随机变量
概率论-2-3连续型随机变量及其概率密度
x)
1 100
e
x
100
,
x0
0,
其它
（1）求元件寿命至少为200小时的概率；
（2）将3只这种元件连接成为一个系统. 设系统 工作的方式是至少2只元件失效时系统失效，又设3 只元件工作相互独立. 求系统的寿命至少为200小时 的概率.
解（1）元件寿命至少为200小时的概率为PX 200 f Nhomakorabea(x)dx
Y ~ B(3,1 e2)
2只及2只以上元件的寿命小于200小时的概率为
PY 2 3(1 e2)2(e2) (1 e2)3
2
PY 2 3(1 e2)2(e2) (1 e2)3
2 (1 e2)2(2e2 1) 0.950. 故系统的寿命至少为200小时的概率为
p 1 PY 2 1 0.950 0.050
1 ba
ab
即是说 X落在区间（a,b）内任意等长小区间 上的概率相等，在（a,b）内两个等长小区间上， f(x)之下的小长方形的面积相等，就是称为均匀分 布的原因.
均匀分布常见于下列情形
如在数值计算中，由于四舍五 入，小数点后某 一位小数引入的误差.
公交线路上两辆公共汽车前后通过某汽车停车 站的时间，即乘客的候车时间等.
本节练习
习题二：８，９，１０
§2.3 连续型随机变量及其概率密度
连续型随机变量及其概率密度的定义 概率密度的性质 三种重要的连续型随机变量 小结
连续型随机变量X所有可能取值充满一个区间,
对这种类型的随机变量,不能象离散型随机变量那 样, 以指定它取每个值概率的方式, 去给出其概率 分布,而是通过给出所谓“概率密度函数”的方式.
f
(
x)
《概率论》第2章§4连续型随机变量及其密度函数
密度函数是描述连续型随机变量取值 规律的工具，通常用大写字母f(x)表示 ，f(x)在x处的函数值表示随机变量在x 点附近取值的“概率密度”。
性质与定理
非负性
密度函数f(x)在整个实数范围 内都是非负的，即f(x)≥0。
正态分布
又称高斯分布，是一种连续概率分布。正态分布 是自然界中最常见的分布之一，许多自然现象和 社会现象都服从或近似服从正态分布。其密度函 数呈钟形曲线，关于均值对称。
指数分布
常用于描述某些随机事件发生之间的时间间隔， 如无线电通信中的信号到达间隔等，其密度函数 呈指数形式衰减。
其他分布
除了上述三种分布外，还有许多其他类型的连续 型随机变量分布，如t分布、F分布、贝塔分布等 。这些分布在实际问题中也有广泛的应用。
03 概率计算与应用
概率计算公式及方法
概率密度函数
常用的概率分布
对于连续型随机变量，其概率通过概率 密度函数进行描述，该函数表示随机变 量在某个取值点附近的概率分布情况。
ቤተ መጻሕፍቲ ባይዱ
如正态分布、均匀分布、指数分布等，这些 分布具有特定的概率密度函数和累积分布函 数形式，可用于描述不同类型的随机现象。
累积分布函数
性质
多维随机变量具有一维随机变量的一些基本性质，如分布函数性质、独立性等。此外， 多维随机变量还具有一些特殊的性质，如多维随机变量的每一个分量都是一维随机变量。
联合密度函数概念及性质
要点一
概念
对于多维连续型随机变量(X1, X2, ..., Xn)，如果存在非负可积 函数f(x1, x2, ..., xn)，使得对Rn中的任意区域D，有P{(X1, X2, ..., Xn) ∈ D} = ∫∫...∫f(x1, x2, ..., xn)dx1dx2...dxn，则 称f(x1, x2, ..., xn)为(X1, X2, ..., Xn)的联合密度函数。
概率论与数理统计-2.2连续型随机变量及其分布
注意
概率为零的事件未必是不可能事件；
事件A是不可能事件
P( A) 0
概率为1的事件也不一定是必然事件
事件A是必然事件
P( A) 1
9
连续型随机变量的其它若干结论 (1) 0≤F(x)≤1, －∞＜x＜＋∞,
(2) F(x)是 x 的单调不减函数;
(3) F () lim F ( x) 0
理解为：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。或者说X落在子区间内的概率只依
赖于子区间的长度而与子区间的位置无关。即X取值 在[a,b]上是均匀的。
23
若X在[a,b]上服从均匀分布，对区间内的任一个区 间[c,d]，有
0 a
d
[
c
] d
b
x
P(c X d ) f ( x)dx
分布函数为
a xb 其它
xa a xb xb
21
则称X在区间 [a，b]上服从均匀分布．记为X~U[a,b]
0, x a F ( x) , b a 1,
密度函数f (x)与分布函数F(x)的图形如图2.2.2和 图2.2.3所示
22
意义：
0
a
b
x
X“等可能”地取区间[a,b]中的值，这里的“等可能”
c
d c
1 d c dx ba ba
24
例2 102电车每5分钟发一班，在任一时刻某一乘
客到了车站. 求乘客候车时间不超过2分钟的概率.
解1：设随机变量X为候车时间，则X～U[0,5]均匀分布， 故
P( X 2) F (2)
解2 （几何概率）
0 2
概率论 7连续型随机变量
作业
• 习题2 10，11，12，13，15
随机变量 X 的分布函数为 x0 0 2 F ( x) x 0 x 1 1 x 1
(1)求 P (0.3 X 0.7)
(2)X的密度函数
2 2
(1) P (0.3 X 0.7) F (0.7) F (0.3) 0.7 0.3 0.4
P{ a X b}＝ P{ a X b} P{ a X b} ＝ P{ a X b}＝ f ( x ) dx
a b
例1：已知密度函数求概率
随机变量 X 的概率密度为 a cos x f ( x) 0
x
求 P (0 X
P ( A ) P{10 X 15 } P ( 25 X 45 } P{55 X 60 }
5 20 5 60 1 2
2、 指数分布(exponential distribution)
e ,x 0 若 X ~ f ( x )＝ 0, x 0
(2)已知该电子元件已使用了1.5年，求它还能使用两 年的概率为多少？ 解
3e 3 x f ( x) 0
x0 x 0,
6
(1) p{ X 2}
3e
2
3 x
dx e
( 2 ) p{ X 3 .5 | X 1 .5}
p{ X 3 .5, X 1 .5} { X 1 .5}
密度函数的几何意义为
P ( a X b )＝ f ( u ) du
a
b
X在某区间的概率等于密度函数在此区间的定积分
2. 密度函数的性质
概率论 2.3(连续型随机变量)
x
a
[ x由概率密度求分布函数]
5.F ( x) f ( x)(x为f ( x)的连续点 ).[由分布函数求概率密度]
由性质5在f(x)的连续点x 处有
F ( x Δ x) F ( x) f ( x) lim Δ x 0 Δx P( x X x Δ x) lim . Δ x 0 Δx
2.3.2 常用连续分布
【补充例】 （等待时间）公共汽车每10分钟按时
通过一车站，一乘客随机到达车站.求他等车时
间不超过3分钟的概率. 解 设X表示他等车时间（以分计），则X是 一个随机变量，且 X ~ U (0,10). X的概率密度为
1 , 0 x 10, f ( x ) 10 其 它. 0,
这两条性质是判定一 个函数 f(x)是否为某 个随机变量 X的概率 牛顿-莱布 尼兹公式 密度函数的充要条件 .
[确定待定参数]
b
3.P{a X b} 1 f ( x)dx F (b) F (a); [求概率]
4.F ( x)
f ( x)
f (t )odt( x );
解: (1) 由
f ( x ) d x 1, 得
3 2 3 3 0
1
f ( x )dx C (9 x )dx 2C (9 x 2 )dx
x3 3 2C (9 x ) |0 36 C 3
2.3.1 连续型随机变量及其概率密度
即 有C 1
3 0
所求概率为 P{ X 3}
3 f ( x )dx , 10
2.3.2 常用连续分布
【例2.12】设随机变量 X在(2,5)上服从均匀分布，
概率论连续型随机变量
概率论连续型随机变量概率论是数学的一个分支，研究随机现象的数学模型和计算方法。
其中，连续型随机变量是概率论中重要的概念之一。
本文将介绍连续型随机变量的基本概念、特征以及相关的概率分布。
一、连续型随机变量的概念在概率论中，随机变量是指对随机现象结果的数值化描述。
连续型随机变量是指取值在某个区间内的随机变量。
与之相对的是离散型随机变量，其取值是有限个或可数个的。
连续型随机变量与离散型随机变量的主要区别在于其取值的特点。
连续型随机变量的取值可以是任意的实数，在某个区间内可以取无穷多个不同的值。
二、连续型随机变量的特征连续型随机变量的特征可以通过其概率密度函数（Probability Density Function，简称PDF）来描述。
PDF是描述连续型随机变量概率分布的函数，可以用来计算随机变量落在某个区间内的概率。
连续型随机变量的概率密度函数具有以下两个性质：1. 非负性：对于任意的实数x，概率密度函数f(x)大于等于0。
2. 归一性：连续型随机变量的概率密度函数在整个取值范围上的积分等于1。
三、连续型随机变量的概率分布连续型随机变量的概率分布可以通过其概率密度函数来确定。
常见的连续型随机变量概率分布包括均匀分布、正态分布、指数分布等。
1. 均匀分布：均匀分布是最简单的连续型随机变量概率分布之一。
在均匀分布中，随机变量在某个区间内的取值是等可能的。
均匀分布的概率密度函数是一个常数，表示在某个区间内的概率是相等的。
2. 正态分布：正态分布是最重要的连续型随机变量概率分布之一。
许多自然现象和实际问题都服从正态分布。
正态分布的概率密度函数呈钟形曲线，具有对称性。
其均值和标准差决定了曲线的位置和形状。
3. 指数分布：指数分布是描述随机事件发生时间间隔的连续型随机变量概率分布。
指数分布的概率密度函数是一个指数函数，表示事件发生的概率随时间的推移而逐渐减小。
四、连续型随机变量的期望和方差连续型随机变量的期望和方差是衡量随机变量分布的重要指标。
概率论与数理统计 2.3连续型随机变量
称X服从参数为 ,的正态分布或 高斯分布,记为 X～N( , 2) f(x) 1 (1)关于直线x 对称; 1 2 ( 2)最大值为 ; 2 ( 3)在x 处有拐点. o x 可求得X的分布函数为: ( t )2 x 1 2 2 F ( x) dt e 2
1 2
x
u2 2
du (x源自) (4) a<b, X～N( , 2) ,有: b a P(a X b) ( ) ( )
例7 设X～N(3,4),试求:
(1) P(2<X≤5) (2) P(2<X<7)
(3)若P(X>c)=P(X≤c),求c的值
0
得 P(X=a)=0
故: (1) P(A)=0 A是不可能事件 (2) 连续型随机变量X落在区间的概率 与区间是否包含端点无关 即: P(a<X≤b)=P(a≤X<b) =P(a<X<b) =P(a≤X≤b)
例1 设连续型随机变量X的概率密度为 f(x)=Ae－|x| , <x<+ 试求: (1)常数A (2) P(0<X<1) (3) X的分布函数
24
p P( X 10) 1 P( X 10)
1
10 0
1 e dx 1 e 5
x 5
x 5 10 0
| e
2
由于顾客每次去银行都是独立的，Y~B(5,p)
因此Y的分布律为
P (Y k ) C p (1 p )
k 5 k 5 k 2 5 k 2k
解: =3, =2
( x 3 ) 又 F ( x ) ( ) 2
连续型随机变量
连续型随机变量随机变量是概率论与数理统计中的重要概念，在实际问题中有着广泛的应用。
其中，连续型随机变量是一类特殊的随机变量，其取值可以在某个区间内连续变化，而不是离散的。
1. 连续型随机变量的定义连续型随机变量是指在某一区间内取值的随机变量。
与离散型随机变量不同，连续型随机变量可以取区间内的任意一个值。
例如，一个人的身高可以被视为一个连续型随机变量，在一定范围内可以取到任意一个具体的数值。
2. 连续型随机变量的概率密度函数连续型随机变量的概率分布可以通过概率密度函数来描述。
概率密度函数表示的是随机变量在某个取值处的概率密度，而不是具体的概率。
对于连续型随机变量X，其概率密度函数可以用f(x)来表示。
3. 连续型随机变量的累积分布函数连续型随机变量的累积分布函数（Cumulative Distribution Function，CDF）表示的是随机变量X小于等于某个值的概率。
对于连续型随机变量X，其累积分布函数可以用F(x)来表示。
4. 连续型随机变量的特征连续型随机变量与离散型随机变量相比，具有一些独特的特征。
首先，连续型随机变量的概率密度函数在整个定义域上积分等于1，即∫f(x)dx=1。
其次，连续型随机变量的概率函数为0，即P(X=x)=0。
此外，连续型随机变量的期望值和方差可以通过积分计算得到。
5. 连续型随机变量的常见分布在实际问题中，有许多常见的连续型随机变量分布可供选择。
其中一些常见的连续型随机变量分布包括正态分布、均匀分布、指数分布等。
每种分布都有其特定的特征与应用场景。
6. 连续型随机变量的应用由于连续型随机变量的灵活性和广泛性，它在实际问题中有着广泛的应用。
例如，在金融领域中，股票价格的变动、汇率的波动等都可以视为连续型随机变量。
在工程领域中，一些物理量如温度、流量等也可以看作是连续型随机变量。
总结：连续型随机变量是一类取值在某个区间内连续变化的随机变量。
它的概率分布可以通过概率密度函数来描述，并通过累积分布函数计算其概率。
概率论与数理统计2_3连续型随机变量
《概率统计》
返回
下页
结束
若不计高阶无穷小，有
f ( x)
f (a)1ຫໍສະໝຸດ oP{ x X x x } f ( x )x
的概率近似等于
a
x
它表示随机变量 X 取值于 ( x, x x ]
x)) x x ff ((x
在连续型随机变量理论中所起的作用与
P X xk pk
x2 , f ( x) A, 0, 0 x 1 1 x 2 其它
求 (1)常数A; ( 2) P{0 X 3};
(3)分布函数F(x).
2
解: (1)由于f(x)是一个密度函数,
由
f ( x)dx 1, 得
2 2 1
x dx
0
1
Adx 1
《概率统计》
返回
下页
结束
例3.设随机变量X在[2，8]上服从均匀分布，求二次方程 y2+2Xy+9=0 有实根的概率.
解：由于X服从均匀分布，故X的概率密度为
1 , 2 x8 f ( x) 6 0, 其它
方程有实根等价于4X236≥0 , 即X≥3或X≤3. 从而， P{y2+2Xy+9=0 有实根}=P{X≥3}+P{X≤3}
1 f ( x) e 2
( x )2 2 2
f(x)
, x
其中μ,σ(σ>0)为常数，则称X服从参 数为μ,σ2的正态分布或高斯（Gauss） 分布,记作 X～ N（μ,σ2）
0
x
分布函数
F(x)
x 1 e 2 ( t )2 2 2
F ( x)
连续型随机变量
连续型随机变量随机变量是概率论与数理统计中的重要概念之一。
它是一个定义在样本空间上的实值函数，用来描述随机实验中可能出现的不同结果的数值。
其中，连续型随机变量是指可能的取值在某个区间内连续变化的随机变量。
在本文中，我们将探讨连续型随机变量的定义、特征以及相关的概率密度函数和累积分布函数等内容。
一、连续型随机变量的定义连续型随机变量可以取无限个不可数值，其取值区间可以是整个实数轴上的一个区段。
具体来说，对于一个连续型随机变量X，如果它的取值区间是[a, b]，其中a、b为实数且a<b，而且对于任意的实数c<d，都有P(c≤X≤d)>0，那么我们称X是一个连续型随机变量。
二、连续型随机变量的特征连续型随机变量有一些独特的特征，包括：1. 取值是实数轴上的一个区段，可以是有限区间、无限区间或整个实数轴。
2. 概率密度函数（PDF）是描述连续型随机变量概率分布的函数，用于描述在某个取值上的概率密度，即单位取值区间内的概率。
3. 累积分布函数（CDF）是概率密度函数的积分，表示随机变量小于或等于某个特定取值的概率。
三、连续型随机变量的概率密度函数和累积分布函数连续型随机变量的概率密度函数f(x)和累积分布函数F(x)是非常重要的概率统计工具。
以下是它们的定义和性质：1. 概率密度函数（PDF）对于连续型随机变量X，如果存在非负可积函数f(x)，使得对于X 的任意区间[a, b]，概率P(a≤X≤b)等于a到b上的概率密度函数f(x)的积分，则称f(x)为X的概率密度函数。
概率密度函数具有以下性质：（1）非负性：f(x)≥0。
（2）归一性：∫f(x)dx = 1。
2. 累积分布函数（CDF）对于连续型随机变量X，其累积分布函数F(x)定义为X≤x的概率，即F(x)=P(X≤x)。
累积分布函数具有以下性质：（1）非减性：F(x)在整个实数轴上单调非减。
（2）右连续性：F(x)是一个右连续函数。
概率论课件之连续型随机变量及其概率密度PPT课件
例 某种电子元件的寿命(以小时计) X 服从指数分 布,其概率密度为
f
(
x)
1 100
e
x
100
,
x0
0,
其它.
(1) 求元件寿命至少为200小时的概率. (2) 将3只这种元件联接成为一个系统，设系统工作 的方式是至少2只元件失效时系统失效，又设3只元 件工作相互独立.求系统的寿命至少为200小时的概 率.
(4) 若f ( x )在点x 处连续,则有
F ( x) f ( x),
证明
x
F ( x) [ f (t)dt] f ( x).
例 设随机变量X
ae x , x 0;
的分布函数为
F ( x) b, 0 x 1; 1 ae x1 , x 1
求(1)a,b的值;(2)X的密度函数;(3)P(X>1\3).
解 (1)由于连续型随机变量的分布函数是连续的
lim F ( x) F (0)
x 0
又 lim F ( x) F (1) x 1
lim ae x b
x 0
b 1 a
故，a b 1 2
ab
(2)X的密度函数
1 2
e
x
,
f ( x) F ( x)
又F ( x)
1
2
,
x 0; 0 x 1;
2 πσ (3) 当 x 时, f ( x) 0; (4)曲线在 x μ σ 处有拐点;
(5) 曲线以 x 轴为渐近线;
(6) 当固定 σ, 改变 μ 的大小时, f ( x) 图形的形状不变 ,只是沿 着 x 轴作平移变换;
(7) 当固定 μ, 改变 σ 的大小时, f ( x) 图形的对称轴 不变,而形状在改变 , σ 越小,图形越高越瘦,σ越大, 图形越矮越胖 .
第8讲连续型随机变量
(1) 解： 由 p( x)dx 1, 得0 (kx 1)dx 1
2
解得k 1/ 2
(2) X的分布函数为
0, 1 x F x p t dt x 2 x, 4 1, x0 0 x2 x 1
3 X 5 F5F 3 (3) P 2 2 2 2 1 0.9375 0.0625
( x )
x
0 x p(x)
1 ( x )
x
P(a X b) (b) (a) P(| X | c) 2(c) 1
例1 设 X ~ N(0, 1), 求 P(X>1.96) , P(|X|<1.96)
解: P(X>1.96) = 1 (1.96)
(1) PX 1000
1000
px dx e1
(2) PX 1500 | X 500
PX 1500且X 500 PX 500
PX 1500 e1.5 0.5 e1 PX 500 e
由上例看出，指数分布具有“无记忆性”，即： 若X服从指数分布，则对任意的s>0,t>0,有
设连续型随机变量X具有概率密度
1 , px b a 0, a x b, 其它.
则称X在区间(a, b)上服从均匀分布, 记为X～U (a, b)
易知p( x) 0, 且 px dx 1
满足连续型随机变量 的两个最基本性质
p x 的图形
显然p( x) 0，下面来证明
＋
－
p( x)dx 1
令
x
t, 得
连续型随机变量分析
连续型随机变量分析连续型随机变量是概率论中一个重要的概念，它与离散型随机变量一样，是描述随机现象的一种数学模型。
在统计学中，我们常常需要对连续型随机变量进行分析，以便更好地理解和解释背后的规律。
本文将对连续型随机变量的分析方法进行详细探讨。
一、连续型随机变量的定义连续型随机变量是指在一定的取值范围内可以取得各种不同取值的随机变量。
与离散型随机变量相比，连续型随机变量可以取得无限个取值，通常用概率密度函数来描述其概率分布。
在实际应用中，连续型随机变量常常表示某种具体的物理量，比如长度、面积、体积等。
二、连续型随机变量的概率密度函数对于连续型随机变量X，其概率密度函数f(x)定义为在某一范围内取到某个数值的概率密度。
概率密度函数满足以下两个性质：1）f(x) ≥ 0，即概率密度非负；2）∫f(x)dx = 1，即在整个样本空间范围内的概率总和为1。
常见的连续型随机变量概率密度函数包括均匀分布、正态分布、指数分布等，它们在不同领域具有不同的应用。
三、连续型随机变量的期望和方差对于连续型随机变量X，其期望值E(X)和方差Var(X)的定义分别为：E(X) = ∫xf(x)dx，Var(X) = E[(X-E(X))^2]。
期望值可以理解为随机变量X的平均值，方差可以反映随机变量取值的离散程度。
通过计算连续型随机变量的期望值和方差，可以更好地了解随机变量的分布特征，为后续的分析提供基础。
四、连续型随机变量的特征函数连续型随机变量的特征函数φ(t)定义为E(e^(itX))，其中i为虚数单位。
特征函数可以完全描述随机变量X的分布特征，包括其所有阶矩。
在实际应用中，通过特征函数可以方便地计算各种复杂的概率分布。
总结本文对连续型随机变量的分析方法进行了系统综述，包括定义、概率密度函数、期望和方差、特征函数等方面的内容。
通过对连续型随机变量的深入研究，我们可以更好地理解和应用概率论和统计学知识，为实际问题的解决提供理论依据和方法支持。
连续型随机变量和离散型随机变量
连续型随机变量和离散型随机变量连续型随机变量和离散型随机变量概率论中，随机变量是指可取不同数值的变量，并且取某个数值的可能性是有一定概率的。
根据其取值的特点，随机变量分为连续型随机变量和离散型随机变量。
本文将分别介绍这两种不同类型的随机变量。
1. 连续型随机变量连续型随机变量的定义是指可以取到实数中的任意一个值的随机变量。
这类变量在数轴上形成一个区间，概率密度函数表示的是落在该区间内的随机事件发生的概率密度。
在概率密度函数曲线下的区间面积就是该区间的概率。
常见的连续型随机变量有正态分布、指数分布和均匀分布等。
2. 离散型随机变量离散型随机变量的定义是指取某些离散值的随机变量。
通俗点说，就是只取某些个别值的随机变量。
比如说，我们抛一枚硬币，结果只有正面和反面两种情况，而且概率分别是0.5。
这就是一个离散型随机变量，枚举所有可能的结果之后，就可以得到所有可能结果的概率。
不同于连续型随机变量，离散型随机变量的取值只能以整数来确定。
概率函数常常用于表示离散型随机变量的分布。
在概率函数中，根据某些随机变量的离散取值，统计出每种取值的概率。
离散型随机变量的经典例子有二项分布、泊松分布和几何分布等。
总而言之，对于连续型随机变量和离散型随机变量来说，它们在数值取值和表示形式上都有很大的区别。
连续型随机变量可以取到实数中的任意一个值，并且以概率密度函数表示；而离散型随机变量只能取到整数等几个离散值，并且以概率函数表示。
广泛应用于生物学、经济学、工程学等多个领域中，对于概率论的掌握是非常重要的。
连续型随机变量的分布函数
连续型随机变量的分布函数引言连续随机变量是概率论中的重要概念之一，其取值范围是一段连续的实数区间。
与离散型随机变量不同，连续型随机变量的分布函数是一个实函数，描述了随机变量取值小于等于某一实数的概率。
本文将介绍连续型随机变量的分布函数的定义、性质以及常见的连续分布函数。
一、连续型随机变量的分布函数定义在概率论中，对于一维连续型随机变量X，其分布函数F(x)定义为：F(x) = P(X ≤ x)其中P为概率函数，表示X取值小于等于x的概率。
分布函数F(x)具有以下性质：1.F(x)是自变量x的单调不减函数；2.F(x)的取值范围是[0,1]，即0≤F(x)≤1；3.当x→负无穷时，F(x)→0；当x→正无穷时，F(x)→1。
二、连续型随机变量的概率密度函数对于连续型随机变量X，其概率密度函数f(x)是分布函数F(x)的导数，即：f(x) = dF(x)/dx概率密度函数描述了连续型随机变量在不同取值下的概率密度。
概率密度函数具有以下性质：1.f(x)是非负函数，即对于所有x，有f(x)≥0；2.连续型随机变量所有可能取值的概率密度函数在取值范围上的积分等于1，即∫f(x)dx = 1。
通过概率密度函数可以计算出在某个区间内连续型随机变量的取值概率，即概率密度函数在该区间上的积分。
三、常见的连续分布函数1. 均匀分布（Uniform Distribution）均匀分布是一种简单的连续型随机变量分布，其概率密度函数在一个区间内全等于常数，即：f(x) = 1/(b-a)，a≤x≤b，否则 f(x) = 0其中a和b是区间的上下界。
均匀分布的分布函数是线性的，在区间[a,b]内为0，在区间左侧小于a时为0，在区间右侧大于b时为1。
均匀分布的期望值为(a+b)/2，方差为(b-a)²/12。
2. 正态分布（Normal Distribution）正态分布是最具代表性的连续型随机变量分布之一，也称为高斯分布。
概率论与统计第二章第三节连续型随机变量
x
于是当△x( > 0)充分小时, P{x<X≤x+ △x}≈f(x)△ x。这表明f(x)
本身并非概率，但它的大小却决定了X 落入区间[x ,x+△x]内的概
率的大小．即f(x) 反映了点x 附近所分布的概率的“疏密”程度 ――
连续型随机变量的一个重要特征是：连续型随机变量取任意
一个指定值的概率均为零，即P{X =x0}=0．
例7 若X ～N(0，1) ，当α = 0.10、α = 0.05、α = 0.01 时，分别确定u0，使得P{|X|＞u0} = α．
解 P{|X|＞u0} = P{X＜－u0}＋ P{X＞u0} = φ(－u0)＋1－P{X≤－u0} =1－φ(u0) ＋1－ φ(u0) = 2－2 φ(u0) ．
均匀分布的密度函数与分布函数的图形如图．
均匀分布是常见的连续分布之一．例如数值计算中的舍入 误差、在每隔一定时间有一辆班车到来的汽车站上乘客的候车 时间等常被假设服从均匀分布．此外，均匀分布在随机模拟中 亦有广泛应用．
例3 某市每天有两班开往某旅游景点的列车, 发车时间分
别为早上7点30分和8点．设一游客在7 点至8点间任何时刻到达
P{|X|＜2｝=2Φ(2) －1=2×0.9772－1 = 0.9544
P{|X|＜3｝=2Φ(3) －1 = 2×0.9987－1 = 0.9974
对于X ～ N (, 2 )
P{| X | 1} P{ X }
=Φ(1)－Φ(－1) = 0.6826
P{| X | 2} P{ 2 X 2 }
(2)
F(x)
x
f (t)dt
当x＜0 ,
F
(
x)
x
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
概率论连续型随机变量
概率论是数学的一个分支，主要研究随机现象的概率规律和统计规律。
在概率论中，随机变量是一种可以随机取不同值的变量。
连续型随机变量是指取值范围为连续的变量，其概率分布函数可以用密度函数来描述。
连续型随机变量的概率密度函数（Probability Density Function，简称PDF）是描述随机变量取值概率的函数。
对于一个连续型随机变量X，其概率密度函数f(x)满足以下两个条件：1）f(x)≥0，对于所有的x；2）∫f(x)dx=1，即概率密度函数在整个取值范围上的积分等于1。
概率密度函数的性质决定了连续型随机变量的一些特点。
首先，连续型随机变量的概率是通过对其概率密度函数进行积分得到的。
例如，对于一个连续型随机变量X，其取值在[a,b]之间的概率可以表示为P(a≤X≤b)=∫f(x)dx。
其次，连续型随机变量的概率密度函数可以用来计算随机变量落在某个区间的概率。
例如，对于一个连续型随机变量X，可以计算P(X≥a)=∫f(x)dx。
对于连续型随机变量，我们也可以计算其期望值和方差。
连续型随机变量X的期望值E(X)表示随机变量的平均取值，可以通过对X乘以其概率密度函数f(x)后积分得到。
方差Var(X)表示随机变量取值的离散程度，可以通过计算E((X-E(X))^2)得到。
连续型随机变量常见的概率分布有正态分布、指数分布、均匀分布等。
其中，正态分布是最重要的连续型概率分布之一。
正态分布的概率密度函数是一个钟形曲线，其均值和标准差决定了曲线的位置和形状。
正态分布在自然界和社会科学中都有广泛的应用，如身高、体重、考试成绩等。
指数分布是描述事件发生时间间隔的概率分布。
指数分布的概率密度函数是单峰递减的曲线，其形状由参数λ决定。
指数分布在可靠性工程、排队论、风险分析等领域有广泛应用。
均匀分布是描述随机变量在一个区间内取值的概率分布。
均匀分布的概率密度函数是一个常数，区间内所有取值的概率相等。
均匀分布在随机抽样、模拟实验等领域有重要应用。
除了以上几种常见的连续型概率分布，概率论还涉及到许多其他的分布，如伽马分布、贝塔分布、卡方分布等。
不同的概率分布适用于不同的随机现象，通过研究和应用这些分布，可以更好地理解和描述现实世界中的随机事件。
连续型随机变量是概率论中重要的概念之一，其概率密度函数可以描述随机变量取值的概率分布。
连续型随机变量的概率计算、期望值和方差计算都基于概率密度函数。
不同的连续型概率分布适用于不同的随机现象，通过研究和应用这些分布，可以更好地理解和分析现实世界中的随机事件。
在实际应用中，概率论的连续型随机变
量有着广泛的应用，对于实现预测、决策和优化具有重要意义。