概率论:基本概念 | 您所在的位置:网站首页 › 概率论随机变量x的分布函数 › 概率论:基本概念 |
http://blog.csdn.net/pipisorry/article/details/40709187 本文主要讲解pdf, cdf, 置信区间。 分布函数/累积分布函数CDF(CDF – Cumulative distribution function 或直接就叫 distribution function) 定义累积分布函数,又叫分布函数,是概率密度函数的积分,能完整描述一个实随机变量X的概率分布。CDF函数表示随机变量小于或等于其某一个取值x的概率。 对于所有实数x ,累积分布函数定义如下: X之值落在一区间(a,b]之内的概率为 因此,若已知X的分布函数,就可以知道X落在任一区间(x1,x2]上的概率,在这个意义上说,分布函数完整地描述了随机变量的统计规律性。 如果将X看成是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(-∞,x]上的概率。 CDF的性质 有界性![]() ![]() ![]() 一随机变数X的CDF与其PDF的关系为 CDF的反函数 若累积分布函数 F 是连续的严格增函数,则存在其反函数 互补累积分布函数 互补累计分布函数(complementary cumulative distribution function、CCDF),是对连续函数,所有大于a的值,其出现概率的和。 [wikipedia累积分布函数] 示例抛一枚均匀的硬币两次,设随机变量X表示出现正面的次数,那么P(X=0)=P(X=2)=1/4,P(X=1)=1/2,所以这个函数的曲线如下图: 对于这个图,要想清楚清楚如下两个问题: 1)为什么函数始终是右连续的? 因为根据CDF的表达式中的小于等于号,当X=x时,P(X=x)的那部分应该被加到FX上,因此在X=x处有一个值的跃升。如X=1时,P(X=1)已经是1/2了 2)为什么FX(1.4)=0.75? 要注意P(1≤X |
CopyRight 2018-2019 实验室设备网 版权所有 |