密度函数PDF与分布函数CDF ★★★★★

> 初学概率的人，遇到的第一个抽象概念就是密度函数和分布函数，对于初学者来讲，“概率密度”可能是最不友好的一个概念，直接谈概率不行吗，好好的为什么要搞出一个“密度函数”？的确，没有太多数理基础，这个概念着实不太好理解，我们先从两个引例来引入：

## 密度函数 Probability Density Function（PDF）

### 均匀分布的密度函数
均匀分布应该是比较容易理解的一种分布，比如数轴上有一段起点为$a$终点为$b$的线段，那么他的长度就为$(b-a)$,我们随机抛一个点在数轴上，落在ab之间的概率就是$\frac{1}{b-a}$, 我们可以写出他的密度函数，如下就是均匀分布的密度函数：

$$
p(x)= \begin{cases}\frac{1}{b-a}, & a<x<b, \\ 0, & \text { 其他. }\end{cases}
$$

既然是函数，我们就可以把初高中所学的那套知识拿来用了。既然是函数他就必须有**定义域**和**值域**，显然定义域是$a<x<b$,值域为$\frac{1}{b-a}$,有了定义域和值域就可以画出他的函数图像，如下图

![图片](/uploads/2024-11/6f1507.jpg){width=300px}

这张图是一个常值的分段函数，因此，通过密度函数，就可以知道$x$在每个点的概率都相同且为$\frac{1}{b-a}$。

**到这里，你也许能明白，数学是一个抽象的学科，他把现实世界对应的物理现象转换为了数学问题进行研究。**  而**密度函数**可以认为是概率问题和数学问题之间连接的桥梁。

### 正态分布的密度函数
不是每个函数的密度都很容易写出，比如正态分布的密度函数，我们在高中学过很多事物呈现正态分布，比如初中生的身高，很多都集中在 $170-175cm$之间，低于$160cm$或者高于$180cm$的都比较少。

正态分布的概率密度函数的定义为：
$$
\varphi(x)=\frac{1}{\sqrt{2 \pi} \sigma} \mathrm{e}^{-\frac{(x-\mu)^2}{2 \sigma^2}}, \quad-\infty<x<\infty,
$$

他是一条中间高、两边低的“钟形曲线”，这条曲线就是正态分布的概率密度曲线。**通过概率密度曲线，可以很容易看出随机事件出现的概率趋势**，比如从正态分布图可以看到中间的概率容易发生，两侧的概率发生率较低。
 ![图片](/uploads/2024-11/722b38.jpg){width=300px}

这里你也可以通过**区间**的角度来理解概率密度曲线：曲线越高，也就代表着这个区间的概率越密集，简单理解成在同样大小的房子里，这个房间的人数更多、更挤。

总之，通过密度函数，我们把社会现实问题数学化，通过数学知识研究概率，这是高等数学和初等数学主要的区别。

### 离散型密度函数 
离散型概率密度函数，其实不叫概率密度函数，离散型的就叫概率分别，一般也叫：**分布列**或**分布率**，这个函数是用来求离散型随机变量，他通常使用列表求出。

`例`扔一枚质地均匀的硬币，正面、反面朝上的概率均为： $1 / 2$， 要求他的分布，只要列表，把所有可能情况列出来即可。

设：朝上的面为随机变量$X$  则 $X$ 的结果有：正面、反面
设: $X$ (正面) $=0, X$ (反面) $=1$
则 $X$ 的取值为: $X\{0,1\}$
所以，求 $(X=$ 正面)的概率，写成: $P(X=0)=1 / 2$
所以，求 $(X=$ 反面)的概率，写成: $P(X=1)=1 / 2$
于是，可以得到一个概率分布表如下
 ![图片](/uploads/2024-11/9e6e2b.jpg)

### 连续性密度函数
连续型概率函数才叫：概率密度函数。为什么叫密度？由于连续型变量的取值是一个实数区间，如果把这个区间均分成多少份，则可无限细分下去 比如[0,1]，如果按每段0.1，分成10段; 如果按每段0.01，则可分成100段; 如果按每段0.001，则可分成1000段;再往小了分，则每段越细，就像头发一样，越来越密,可以无限制的细分下去，于是叫密度函数

`例` 比如某公共汽车站从上午 7 时起, 每 15 分钟来一班车, 即 7:00、7:15、7:30、7:45等时刻有汽车到达此站, 如果乘客到达此站的时间 $X$ 是 7:00 到 7:30 之间的均匀随机变量, 试求他候车时间少于 5 分钟的概率，这就是一个连续概率问题。

> 我们认为概率论很多概念比较难懂，就是因为他把离散型和连续型两种类型的研究糅合在了一起。事实上离散型和连续性本身研究方法有很大差别。

## 分布函数 Cumulative Distribution Function （CDF）
**定义**：给一个随机变量 $X$ ，对任意实数 $x \in(-\infty,+\infty)$ 称函数 $F(x)=P(X \leq x)$ 为随机变量 $X$ 的分布函数.

根据定义可以知道，对于$a<b$ 的实数，有

$$
\boxed{
P(a<X \leq b)=P\left(X \leqslant b\right)-P\left(X \leqslant a\right)=F(b)-F(a) ...(1)
} 
$$

因此，若已知 $X$ 的分布函数，则能知道 $X$ 落在任一区间 $\left(a, b\right]$ 上的概率。从这个意义上说，分布函数完整地描述了随机变量的统计规律性。

如果将 $X$ 视为数轴上的随机点的坐标，那么，分布函数 $F(x)$ 在 $x$ 处的函数值就表示 $X$ 落在区间 $(-\infty, x]$ 上的概率。

由分布函数的定义可知，既然是函数，就要有定义域与值域。分布函数具有如下基本性质.

### 分布函数和传统的函数有什么不同？
分布函数和传统的函数在集合意义上有很大的不同。传统函数，比如$y=x^2$ 每给一个$x$ 会有一个$y$ 和他对应，把所有的$y$ 连接起来，就得到他的图像，如下 $y$的值是一个个点。
 ![图片](/uploads/2025-09/48bb29.jpg){width=300px}
 
 而分布函数的几何意义：在数轴上，将 $X$ 看成随机点的坐标，则分布函数 $F(x)$ 表示随机点 $X$ 落在阴影部分（即 $X \leqslant x$ ）内的概率，如下图所示．
 
 ![图片](/uploads/2025-09/adcea0.jpg){width=300px}

> 请务必牢记分布函数的定义，他对离散型和连续性都成立。分布函数$F(X)=P(X \leqslant x)$他是一个累加值。比如考试分$F(90)=

免费注册查看余下70%

《高等数学》难点解析

高数教程 泰勒公式切线与法线切平面与法平面驻点·拐点·极值点·零点间断点渐进线瑕积分欧拉方程伯努利方程 Abel 收敛定理偏导数的几何意义偏导数的几何意义梯度数量场与向量场多元函数极值拉格朗日算子通量与散度环流量与旋度格林公式高斯公式斯托克斯公式三大公式比较傅里叶级数极坐标微元点法式方程变上限定积分 X型计算面积 Y型计算面积微分的意义渐近线间断点 y''+py'+qy=f(x)方程高斯黎曼傅里叶变换(复数) 拉普拉斯变换(复数)

高等数学测评 函数与极限一元函数微分学一元函数积分学微分方程空间向量与代数多元微分学多元积分学无穷级数

《线性代数》难点解析

线代教程 近世代数对数学的整体思考线性的意义矩阵乘法(列视角) 矩阵乘法(行视角) 矩阵左乘矩阵右乘逆矩阵求解方程组阶梯形矩阵的求法方程组解的判定四阶行列式的计算线性变换的意义线性空间向量组的等价线性空间的几何意义基础解系的求法施密特正交化特征值与特征向量的意义矩阵相似的几何意义矩阵可对角化的理解秩的意义(向量版) 秩的意义(方程版) 二次型的意义

线性代数测评 行列式矩阵向量空间

《概率论与数理统计》难点解析

概率教程 置信区间与上a分位数概率中的“取”与“放” 贝叶斯公式全概率公式泊松分布指数分布伽玛分布二维密度图的意义卷积的意义相关系数的意义 k阶矩是与矩母函数卡方分布的作用单正态区间估计理解假设检验理解切比雪夫不等式中心极限定理

概率统计测评 事件与概率一维随机变量与事件多维随机变量与事件随机变量的数字特征大数定律与中心极限定理统计量与抽样分布参数估计假设检验

上一篇：随机变量的定义

下一篇：离散型概述与伯努利实验

本文对您是否有用？有用 (0) 无用 (0)