1.连续型随机变量
如果对于随机变量
X的分布函数
F(x),存在非负可积函数
f(x),使对于任意实数
x有
F(x)=∫−∞xf(t)dt,
则称
X为连续型随机变量,
f(x)称为的概率密度函数,简称概率密度.
2.概率密度
f(x)的性质
(1)f(x)⩾0;
(2)∫−∞∞f(x)dx=1;
(3)对于任意实数x1,x2,(x1≤x2)
P{x1<X≤x2}=F(x2)−F(x1)=∫x1x2f(x)dx;
(4)若f(x)在点x处连续,则有F′(x)=f(x);
(5)P{X=a}=0.
3.均匀分布
若连续型随机变量
X具有概率密度
f(x)={b−a1,0,a<x<b,其他,
则称
X在区间
(a,b)上服从均匀分布.记为
X∼U(a,b).
X的分布函数为
f(x)=⎩⎨⎧0,b−ax−a,1,x<a,a≤x≤b,x⩾b
4.指数分布
若连续型随机变量
X的概率密度为
f(x)={θ1e−θx,0,x>0,其他,
其中
θ>0为常数,则称
X服从参数为
θ的指数分布.
X的分布函数为
F(x)={1−e−θx,0,x>0,其他,
服从指数分布的随机变量
X具有以下有趣的性质:
对于任意
s,t>0,有
P{X>s+t∣X>s}=P{X>t}
称为无记忆性.
5.正态分布
若连续型随机变量
X的概率密度为
f(x)=2π
σ1e−2σ2(x−μ)2,−∞<x<∞
其中
μ,σ(σ>0)为常数,则称
X为服从参数为
μ,σ的正态分布或高斯分布,记为
X∼N(μ,σ).
X的分布函数为
F(x)=2π
σ1∫−∞xe−2σ2(t−μ)2dt
特别,当
μ=0,σ=1时称随机变量
X服从标准正态分布.其概率密度和分布函数分别用
φ(x),Φ(x)表示即有
φ(x)=2π
1e−2x2
Φ(x)=2π
1∫−∞xe−2t2dt
易知
Φ(−x)=1−Φ(x)
6.引理
若
X∼N(μ,σ2),则
Z=σX−μ∼N(0,1)
于是,若
X∼N(μ,σ2),则它的分布函数
F(x)可写成
F(x)=P{X≤x}=P{δX−μ≤δx−μ}=Φ(δx−μ)
对于任意区间
(x1,x2],有
P{x1<X≤x2}=P{δx1−μ<δX−μ≤δx2−μ}=Φ(δx2−μ)−Φ(δx1−μ)
6.上
α分位点
设
X∼N(0,1),若
zα满足条件
p{X>zα}=α,0<α<1,
则称点
zα为标准正态分布的上
α分位点.
7.随机变量的函数的分布
设随机变量
X具有概率密度
fx(x),
−∞<x<∞,又设函数
g(x)处处可导且恒有
g′(x)>0,(或恒有g′(x)<0),则
Y=g(X)是连续型随机变量,其概率密度为
fY(y)={fX[h(y)]∣h′y∣,0,α<x<β,其他,
其中
α=min{g(−∞),g(∞)},β=max{g(−∞),g(∞)},
h(y)是
g(x)的反函数.
8.其他几个结论
(1)设随机变量,那么X的线性函数Y=aX+b(a=0)也服从正态分布.
(2)设f(x),g(x)都是概率密度函数,那么
h(x)=af(x)+(1−a)g(x),0≤a≤1
也是一个概率密度函数.
(3)设X服从参数为θ的指数分布,F(x)为X的分布函数,设Y=F(X),那么
Y∼N(0,1).