1. 定义
如果对于随机变量
X的分布函数
F(x),存在非负函数
f(x),使得对于任意实数
x,有
F(x)=∫−∞xf(t)dt
则称
X为连续型随机变量,其中函数
f(x)称为
X的概率密度函数。
概率密度
f(x)具有以下性质:
-
f(x)≥0
-
∫−∞+∞f(x)dx=1
-
P{x1<X≤x2}=F(x2)−F(x1)=∫x1x2f(x)dx(x1≤x2)
2. 常见连续变量分布
####(1)均匀分布
若随机变量
X的密度函数为
f(x)={b−a1,a≤x≤b0,其他
则称随机变量
X服从区间
[a,b]上的均匀分布,记作
X∼U(a,b)。
X的分布函数为
F(x)=⎩⎪⎨⎪⎧0x≤ab−ax−aa≤x≤b1b≤x
(2)指数分布
若随机变量X的密度函数为
f(x)={λe−λxx>00x≤0
则称随机变量
X服从参数为
λ(
λ>0 为常数)的指数分布。
X的分布函数为
F(x)={1−e−λxx>00x≤0λ>0为常数
(3)正态分布
若随机变量X的密度函数为
f(x)=2π
σ1e−2σ2(x−μ)2(−∞≤x≤+∞)
其中,
−∞≤μ≤+∞,θ>0为参数。
则称随机变量
X服从参数为
(μ,σ2)的正态分布,记作
X∼N(μ,σ2)。
若
μ=0,σ=1,称
N(0,1)为标准正态分布,密度函数如下:
φ(x)=2π
1e−2x2(−∞<x<+∞)
正态分布密度函数的图形性质:
-
曲线关于直线
x=μ对称。对于任意
h>0,有
P{μ−h<X≤μ}=P{μ<X≤μ+h}。
-
当
x=μ时,
f(x)取到最大值
2π
σ1。
x离
μ越远,
f(x)的值就越小。对于同样长度的区间,当区间离
μ越远时,随机变量
X落在该区间中的概率就越小。
-
f(x)在
x=μ±σ处有拐点,并以
Ox轴为渐近线。
-
若
σ固定,改变
μ的值,则
f(x)的图形沿
x轴平行移动,但不改变其形状。因此
f(x)图形的位置完全由参数μ确定。
-
若
μ固定,改变
σ的值,由于
f(x)的最大值为
2π
σ1,当
σ越小时,
f(x)图形越陡,
X落在
μ附近的概率越大;反之,当
σ越大时,
f(x)图形越平坦,
X的取值越分散。
3σ原则:正态分布距离平均值
3σ之外的值出现的概率
P{∣X−μ∣>3σ}≤0.003,属于极个别的小概率事件。