本文介绍了连续型随机变量的概率分布，包括正态分布、均匀分布和指数分布。正态分布是连续型随机变量的理想模型，常用于描述身高、体重等实际问题；均匀分布的概率密度函数在结果区间内为固定数值；指数分布则描述了事件以恒定平均速率发生的概率。文中还提到了3σ原则在质量管理中的应用，并提供了Python绘图示例。
前一篇文章写的是离散型随机变量的概率分布，今天我们来聊聊连续型随机变量的概率分布。
并非所有的数据都是连续的，根据数据类型的不同，有不同的求概率的方法，对于离散型随机变量的概率分布，我们关心的是取某一个特定数值下的概率，而对于连续型随机变量的概率分布，我们关心的是取某一个特定范围内的概率。
首先要提到的一个概念就是：
概率密度函数
概率密度函数用来描述连续型随机变量的概率分布，用函数f(x)表示连续型随机变量，将f(x)就称为概率密度函数，概率密度并非概率，只是一种表示概率的方法，大家不要混淆，其曲线下面的面积表示概率。
概率密度函数下方的总面积为1，因为面积代表概率，而概率是必须为1。
下面是三种典型的连续型随机变量的概率分布
1. 正态分布
随机变量X服从一个数学期望为μ、方差为σ^2的正态分布，就是正态分布，也叫做高斯分布，通常记做：
标准正态分布
正态分布是一个钟形曲线，曲线对称，中央部分的概率密度最大，越往两边，概率密度越小。μ决定了曲线的中央位置，σ决定了曲线的分散性，σ
最低0.47元/天 解锁文章
扫一扫
6329
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
