概率密度函数的性质
密度函数f(x)
密度函数f(x)密度函数f(x)是概率论中的一个重要概念，用于描述随机变量的概率分布情况。
在实际应用中，密度函数可以帮助我们确定随机变量的分布类型，计算随机变量的期望值、方差、矩等基本统计量，并应用于概率论、统计学、物理学、工程学、金融学等多个领域。
一、密度函数的基本概念在概率论中，随机变量是一个具有随机性质的变量，其在某个样本空间中取值，而且取值的可能性不确定，只能从概率的角度描述。
密度函数f(x)是描述随机变量的概率分布的数学函数，它可以描述随机变量取不同数值的概率大小。
密度函数f(x)具有以下基本性质：1.非负性：对于所有的x，f(x)>0；2.归一性：积分下限和上限是负无穷和正无穷的密度函数f(x)满足：$$\int_{-\infty}^{\infty}f(x)dx=1$$3.可积性：积分下限和上限是负无穷和正无穷的密度函数f(x)是可积的。
在实际应用中，密度函数可以用来计算随机变量的分布类型。
在统计学中，常见的分布类型包括正态分布、二项分布、泊松分布等。
根据不同的分布类型，可知具体的密度函数形式。
二、密度函数的应用1.计算期望值和方差在概率论和统计学中，期望值和方差是随机变量的基本统计量，它们分别表示了随机变量的中心位置和离散程度。
根据随机变量的密度函数，可以计算其期望值和方差。
随机变量X的期望值定义为：$$E[X]=\int_{-\infty}^{\infty}xf(x)dx$$随机变量X的方差定义为：$$Var(X)=E[(X-E[X])^2]=\int_{-\infty}^{\infty}(x-E[X])^2f(x)dx$$因此，在实际应用中，通过求随机变量X的密度函数f(x)，可以计算出随机变量X的期望值和方差。
2.概率计算和随机抽样在概率论中，我们经常需要求解某个随机事件的概率。
对于一维随机变量X，如果其密度函数f(x)已知，则可以根据概率密度函数计算出X的概率密度函数。
概率密度的概念与性质
二、重要的连续型随机变量
一、概率密度的概念与性质
1.概率密度函数的定义
对于随机变量X的分布函数F ( x ) , 如果存在
非负可积函数 f ( x ) , 使对于任意实数 x有
F ( x)
x
f ( 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, 简称概率密度.
f ( x )dx 1 .
下图为 1 , 1, 2 时f ( x )，F ( x )的图形 . 3
应用与背景
顾客排队时等候服务的时间以及某些元件 或设备的寿命服从指数分布. 例如无线电元件 的寿命 、电力设备的寿命、动物的寿命等都服 从指数分布.
指数分布的随机变量 X具有:“无记忆性”.
德莫佛
1. 定义
若r.v X的概率密度为
( x )2 2 2
1 f ( x) e 2
, x
2 任意， >0， 其中 和 都是常数，
则称X服从参数为 和 2 的正态分布.
记作 X ~ N ( , 2 )
可以证明f ( x) 0,
若不计高阶无穷小，有：
P{x X x x} f ( x )x
它表示随机变量 X 取值于 ( x, x x ] 的 概率近似等于 f ( x )x .
f ( x )x 在连续型r.v理论中所起的作用与
P( X xk ) pk 在离散型r.v理论中所起的
作用相类似.
f ( x )dx P ( X a) 1
由于 {X=a} 并非不可能事件
{ X R {a}} 并非必然事件
故，
分布函数与概率密度函数的数学性质及证明
分布函数与概率密度函数的数学性质及证明一、引言在概率论中，分布函数与概率密度函数是描述随机变量分布的两种常用方式。
本文将详细介绍分布函数与概率密度函数的数学性质，以及相应的证明过程。
二、分布函数分布函数（Cumulative Distribution Function，简称CDF）定义为随机变量小于或等于某个实数的概率。
设X为一个随机变量，其分布函数表示为F(x)。
1. 非递减性分布函数F(x)是非递减函数，即对于任意的x1 < x2，有F(x1) ≤F(x2)。
这是由于随机变量小于或等于x1的概率一定小于等于随机变量小于或等于x2的概率。
2. 右连续性分布函数F(x)在任意实数x处右连续，即lim┬(δ→0⁺) F(x+δ) =F(x)，其中δ>0。
这是由于随机变量小于或等于x+δ的概率在取极限时趋近于随机变量小于或等于x的概率。
3. 边界性质当x趋近于负无穷时，F(x)趋近于0；当x趋近于正无穷时，F(x)趋近于1。
这是因为随机变量小于或等于负无穷的概率为0，小于或等于正无穷的概率为1。
三、概率密度函数概率密度函数（Probability Density Function，简称PDF）是描述连续型随机变量分布的函数，定义为对其进行微分后的导数。
设X为一个连续型随机变量，其概率密度函数表示为f(x)。
1. 非负性概率密度函数f(x)非负，即对于所有的x，有f(x) ≥ 0。
这是由概率密度函数表示的是概率在单位长度内的分布。
2. 积分性质概率密度函数f(x)在整个实数轴上的积分等于1，即∫[∞,-∞] f(x)dx = 1。
这是由于随机变量在整个样本空间内的取值概率之和必然为1。
3. 密度与分布函数的关系随机变量X的分布函数F(x)是概率密度函数f(x)的积分，即F(x) = ∫[x,-∞] f(t)dt。
四、分布函数与概率密度函数的关系分布函数F(x)与概率密度函数f(x)之间存在以下关系：1. 导数关系当概率密度函数f(x)存在时，分布函数F(x)可通过概率密度函数f(x)求导得到，即F'(x) = f(x)。
概率密度函数的性质
概率密度函数的性质
非负性：f（x）≥0，x∈（-∞，+∞）。
规范性：∫f(x)dx=1。
这两条基本性质可以用来判断一个函数是否为某一连续型随机变量的概率密度函数。
概率密度函数的性质
在数学中，连续型随机变量的概率密度函数（在不至于混淆时可以简称为密度函数）是一个描述这个随机变量的输出值，在某个确定的取值点附近的可能性的函数。
而随机变量的取值落在某个区域之内的概率则为概率密度函数在这个区域上的积分。
当概率密度函数存在的时候，累积分布函数是概率密度函数的积分。
概率密度函数一般以小写标记。
单纯的讲概率密度没有实际的意义，它必须有确定的有界区间为前提。
可以把概率密度看成是纵坐标，区间看成是横坐标，概率密度对区间的积分就是面积，而这个面积就是事件在这个区间发生的概率，所有面
积的和为1。
所以单独分析一个点的概率密度是没有任何意义的，它必须要有区间作为参考和对比。
《概率密度函数》课件
期望和方差
总结词
概率密度函数的期望值和方差描述了随机变量的中心趋势和离散程度。
详细描述
期望值是概率密度函数在定义域上的积分，表示随机变量的平均值或中心趋势。方差则描述了随机变 量取值离散程度的大小，即各个取值与期望值的偏离程度。期望值和方差是概率密度函数的重要特征 ，用于描述随机变量的统计特性。
二项分布
01
二项分布适用于描述伯努利试 验中成功的次数，例如抛硬币 的结果、遗传学中的基因型等 。
02
二项分布的概率密度函数是 f(k)=C(n, k)p^k(1-p)^(n-k) ，其中n是试验次数，k是成功 的次数，p是每次试验成功的 概率。
03
二项分布在统计学、生物学和 经济学等领域有广泛应用，例 如在可靠性工程、市场调查等 领域。
02
常见概率密度函数
正态分布
正态分布是一种常见的概率密 度函数，其概率密度曲线呈钟 形，对称轴为均值所在直线。
正态分布具有两个参数，即 均值和标准差，它们决定了
分布的形状和范围。
在自然界和社会现象中，许多 随机变量的概率分布都服从正 态分布，例如人类的身高、考
试分数等。
指数分布
01
指数分布适用于描述独立随机事件的时间间隔，例如电子元件 的寿命、排队等待时间等。
概率密度函数是微积分中连续函数概念在概率论中的推广。在微积分中，连续函 数可以用其导数描述其变化率；而在概率论中，概率密度函数描述了随机变量取 值在某个区间的概率与该区间长度的关系。
概率密度函数的积分（即概率质量函数）与微积分中的定积分有相似的性质和计 算方法。
概率密度函数-精品
至少有1只失效的概率。
解
1、 1k
x2d x
100
k
1 x 100
k 100
k100
2. PX150 100150x2d x 10(01 1 )1
100
100150 3
3、设Ai “第 i只晶体管150h 失效” i1,2,3,4. 10
P A iP X15 0 13
由于 A1 A2 A3 A4 相互独立， 则所求的概率为 P(A1UA2UA3UA4)1P(A 1UA 2UA 3UA 4) 1 P (A 1 )P (A 2 )P (A 3 )P (A 4 )
PXDpxdx
D
对连续型随机变量X, 有
P ( a X b ) P ( a X b )
P(aXb) P(aXb)
9
例1 某种晶体管的寿命（h)是随机变量X，其密度
px0kx2
x100 other
求 1、常数 k .
2、 该晶体管不能工作150 h 的概率。
3、一台仪器中装有4只此种晶体管，工作150h后，
p (x)
F (x)
0x x
12
连续性随机变量分布函数的性质
(1) Fx 是连续的单增函数
0 F x 1x ,
F(x)＝x p(t)dt px0
F (x)
p (x)
1
F (x)
0x x
0
x
13
（2）若 px 在点x 处连续，则有 F(x)px
pxlimFxxFx
x 0
x
PxXxx
lim
第五节
第二章
连续性随机变量
一 、概率密度函数的概念 二、概率密度函数的性质 三、连续型随机变量的分布函数
概率密度性质公式
概率密度性质公式概率密度性质：1、积分的性质：概率密度函数f（x）是在区间[a,b]内的连续函数，则：$$ \int_a^b{f(x)\,dx = P(a \leq X \leq b) } $$2、反函数性质：若F（x）为概率分布函数，则F（x）的反函数为概率密度函数f（x）：$$P(X \leq x) = F(X) \Rightarrow f(x) = F^(-1)(x)$$3、零和性质：概率密度函数f（x）满足整个实线上的总和为0：$$ \int_{-\infty}^{\infty}{f(x)\,dx = 0 } $$4、绝对积分性质：一切概率分布的绝对积分不大于1：$$ \int_{-\infty}^{\infty}{\left|f(x)\right|\,dx \leq 1 } $$5、均值定理：对于具有方差$\sigma^2$的概率分布Y，其均值为$\mu$，则该分布的概率密度函数的均值应等于$\mu$：$$ \int_{-\infty}^{\infty}{xf(x)\,dx = \mu } $$6、方差定理：对于具有均值$\mu$的概率分布Y，其方差为$\sigma^2$，则该分布的概率密度函数的方差应等于$\sigma^2$：$$ \int_{-\infty}^{\infty}{(x-\mu)^2f(x)\,dx = \sigma^2 } $$7、凸性定理：由均值定理和方差定理得出：对于概率密度函数f（x），命中该密度函数满足：$$f''(x)\leq 0, x\in(-\infty,+\infty)$$8、离散性质：若概率分布具有离散型（原子型），则其概率密度函数的图像是一系列具有离散型曲线的尖点，其$f(x)$只为一组有限值。
此时，$$ f(x) = \sum_{i=1}^n{p_i \delta(x-x_i) } $$其中$ x_i$表示概率密度函数中极大点的位置， $\delta(x)$表示为零函数，由具有极限值$ \delta(0)=1$，$p_i$表示极大点位置的概率。
密度函数的性质
密度函数的性质概率密度函数（probability density function）是一种数学概念，是一个不等于0的函数，并且其积分值在某个区间内为1。
它表达了一个随机变量的形状，在统计学或其他研究领域中用于估计随机变量的取值情况。
下面介绍概率密度函数的常见性质：一、概率密度函数的定义：概率密度函数f(x)为概率变量x的函数，定义在实数域上，满足以下条件：1. f(x)≥0，即概率密度函数值是非负的；2. 概率密度函数满足积分等式：$$\int_{-\infty}^\infty f(x)dx = 1$$二、概率密度函数的性质：1. 概率密度函数f(x)是累积分布函数F(X)的反函数；2. 概率密度函数表示的是随机变量某个值出现的概率，即P(X=x)=f(x)；3. 概率密度函数表示随机变量x取值范围[a,b]内随机变量取值的概率，即Ρ[a≤X≤b]=∫axbf(x)dx；4. 概率密度函数的形态受到随机变量的概率分布的影响；5. 概率密度函数是连续的，不会出现不连续现象；6. 概率密度函数受到超几何分布、卡方分布、正态分布等概率分布的影响。
三、概率密度函数的应用：1. 概率密度函数可以用来估计动态数据和静态数据的分布规律；2. 概率密度函数可以用来提出假设，检定假设，从而确定随机变量的分布类型；3. 概率密度函数可用于估计随机变量的方差和均值；4. 概率密度函数可以用来识别数据的关联性，从而了解这些变量之间的有效联系；5. 概率密度函数可以用来检验两个变量之间的关系；6. 概率密度函数可以用来预测数据变化。
因此，概率密度函数是研究随机变量分布和特性的重要工具，它在研究市场行为分析、金融预测、信号分析等领域都有广泛应用。
- 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)。
若已知连续型随机变量 X 的密度函数为 px，
则 X 在任意区间D （D可以是开区间, 也可以是 闭区间，或半开半闭区间；可以是有限区间， 也可以是无穷区间）上取值的概率为，
PX D px dx
D
对连续型随机变量X, 有
P ( a X b ) P ( a X b)
7
p (x)
要注意的是: 密度函数
1
0
p ( x) 在某点处 a 的高度
x
p (a ) 并不是 X a 的概率.
但是这个高度越大，则X取a
附近的值的概率就越大. 也可以说，在某点密度曲线 的高度反映了概率集中在该点附近的程度.
由上述性质可知，对于连续型随机变量，
我们关心它在某一点取值的问题没有太大的意义； 我们所关心的是它在某一区间上取值的问题．
3、设Ai “第 i只晶体管150h 失效” i 1, 2, 3, 4.
10
1 P A i P X 150 3 由于 A1 A2 A3 A4 相互独立， 则所求的概率为
P( A1
A2
A3
A4 ) 1 P( A1
A2
A3
A4 )
1 P( A1 ) P( A2 ) P( A3 ) P( A4 )
变量的统计规律性。
本节将要用到由定积分变上限确定的函数及其
导数， 还要用到指数函数及图形特点等知识。
2
定义1、 对于随机变量X，若存在非负函数
px x , 使对任意实数 x , 都有
则称X为连续型随机变量， p x 为X的概率密度函数， 简称密度函数或密度. 所以若已知密度函数， 该连续型随机变量 的概率分布规律就得到了全面描述. 0 x
3
P( X x) ＝
x
p(t )dt
p (x)
x
二、 概率 密度函数的性质 (1) 非负性 (2) 归一性
px 0 x ,
p( x)dx ＝ 1.
性质(1)、(2)是密度函数的充要性质； 这两条性质是判定一个函数 p ( x ) 是否为某随机变量
X的密度函数的充要条件。
6
（5） 对任意实数a，则 P X a 0
这是因为
P( X a) lim P(a x X a)
x 0
lim
x 0
p( x)dx 0 a x
不能推出
a
可见， 由P(A )=0,
A
B=S
由P(B )=1,
不能推出
称A 为几乎不可能事件，B 为几乎必然事件.
p (x) 面积为1
1
0
x
4
3
P( x1 X x2 )＝
x2 x1
p (t ) d t
x1 x2
p (x)
密度函数的几何意义
即X落在[ x1 , x2 ]上的概率 [ x1 , x2 ] 上曲线 y px 之下的曲边 梯形的面积。 （4）若 px 在点x 处连续，则有
0
x1 x2
x
p x
Px X x x lim x 0 x
这表示X落在小区间[x,x+Δx] 上的概率近似地等于 px x.
5
若不计高阶无穷小，有： Px X x x px x
对 p ( x ) 的进一步理解: 若
x
是 p ( x ) 的连续点，则：
P ( x X x x ) lim x 0 x
lim
ቤተ መጻሕፍቲ ባይዱ 0
x x
x
p(t )dt
x
p( x)
故X 的密度 p ( x ) 在 x 这一点的值，恰好是X 落在 区间 ( x, x x ] 的概率与区间长度 x 之比的极限. 这里，如果把概率理解为质量，p ( x ) 相当于线密度. p ( x) 不是概率. p( x)d x 在连续型随机变量理论中 所起的作用与 P( X xk ) pk 在离散型随机变量 理论中所起的作用相类似.
2 4 65 1 ( ) 3 81
11
三、连续性随机变量的分布函数
px x ,
对于连续性随机变量X，存在密度函数
使对任意实数
x
x,
都有
F ( x) ＝P( X x) ＝
由于连续型随机变量的分布 函数唯一被它的密度函数所
p(t )dt
则称F(x) 为连续型随机变量X的分布函数， p (x)
第五节 连续性随机变量
一 、概率密度函数的概念
二、概率密度函数的性质
第二章
三、连续型随机变量的分布函数
1
一、概率密度函数的概念 离散型随机变量的可能值可以一一列举出来， 但
另一类随机变量它们的可能取值不止有限个或可列个，
其取值是充满某一个区间， 即不能用分布列表示X 的
取值及其概率。 因此通过所谓概率密度来描述这类随机
p (x)
F ( x)
x
1
0
x
0
x
13
（2）若 px 在点x 处连续， 则有
F x x F x p x lim x 0 x
P x X x x lim x 0 x
F ( x) px
p(x)
(3) F () lim F ( x) ＝ 0.
F ( x)
x
12
确定. 所以若已知密度函数， 该连续型随机变量的概率 0
x
分布规律就得到了全面描述。
连续性随机变量分布函数的性质 (1) F x 是连续的单增函数
0 F x 1 x ,
F ( x) ＝
x
p(t )dt
p x 0
F ( x)
P ( a X b) P ( a X b)
9
例1 某种晶体管的寿命（h)是随机变量X，其密度
2 k x p x 0
x 100 other
求 1、常数 k .
2、 该晶体管不能工作150 h 的概率。 3、一台仪器中装有4只此种晶体管， 工作150h后， 至少有1只失效的概率。 1 k 2 解 1、 1 k x d x k k 100 100 x 100 100 150 1 1 1 2 ) 2. P X 150 100100 x d x 100( 100 150 3