随机变量的分布函数

什么是随机变量的分布函数

X X X是一个随机变量, x x x是任意实数,函数 F ( x ) = P ( X ≤ x ) , − ∞ < x < ∞ F(x) = P(X\le x),-\infty < x < \infty F(x)=P(Xx),<x<称为 X X X的分布函数

分布函数的性质

1、 F ( x ) F(x) F(x)是一个不减函数,即:

​ 对于任意实数 x 1 , x 2 ( x < x 2 ) x_1,x_2(x_<x_2) x1,x2(x<x2),有 F ( x 2 ) − F ( x 1 ) = P { x 1 < X ≤ x 2 } ≥ 0 F(x_2)-F(x_1)=P\{x_1 < X \le x_2\} \geq 0 F(x2)F(x1)=P{x1<Xx2}0

2、 0 ≤ F ( x ) ≤ 1 0 \le F(x) \le 1 0F(x)1,且

F ( − ∞ ) = lim ⁡ x → − ∞ F ( x ) = 0 , F ( ∞ ) = lim ⁡ x → ∞ F ( x ) = 1 F(-\infty) = \lim\limits_{x\to-\infty}F(x) = 0, F(\infty) = \lim\limits_{x\to\infty}F(x) = 1 F()=xlimF(x)=0,F()=xlimF(x)=1

3、 F ( x + 0 ) = F ( x ) F(x+0)=F(x) F(x+0)=F(x),即 F ( x ) F(x) F(x)是右连续的

思考通过分布函数可以直接或简接获得随机变量的哪些信息?

某个区间内事件发生的概率

分布函数与离散型随机变量分布律的关系(用公式表达)

F ( k ) = ∑ x = − ∞ x ≤ k P ( X = x ) F(k) = \sum_{x=-\infty}^{x \le k} P(X=x) F(k)=x=xkP(X=x)

总结求分布函数的方法步骤

由题意得出随机变量的分布率,再用分布率与分布函数的关系求解分布函数

### 一维随机变量分布函数 对于任意实数 \( x \),设 \( X \) 是一个随机变量,其分布函数定义为: \[ F_X(x) = P(X \leq x), \quad -\infty < x < +\infty \] 其中,\( F_X(x) \) 表示随机变量 \( X \) 取值小于等于 \( x \) 的概率[^2]。 #### 分布函数的主要性质 1. **单调不减性**:如果 \( x_1 < x_2 \),那么有 \( F_X(x_1) \leq F_X(x_2) \)[^2]。 2. **右连续性**:对于任何实数 \( x \),都有 \( F_X(x+) = F_X(x) \)[^2]。 3. **边界条件**: - 当 \( x \to -\infty \) 时,\( F_X(x) \to 0 \); - 当 \( x \to +\infty \) 时,\( F_X(x) \to 1 \)。 #### 连续型随机变量分布函数 如果随机变量 \( X \) 是连续型的,则它的分布函数可以表示为: \[ F_X(x) = \int_{-\infty}^{x} f(t) dt, \quad -\infty < x < +\infty \] 这里,\( f(t) \) 是 \( X \) 的概率密度函数,并满足以下两个条件: - 非负性:\( f(t) \geq 0 \) 对于所有 \( t \) 成立; - 归一化:\( \int_{-\infty}^{+\infty} f(t) dt = 1 \)[^2]。 #### 离散型随机变量分布函数随机变量 \( X \) 是离散型时,假设它可能取值为 \( x_1, x_2, \dots \),对应的概率分别为 \( p_1, p_2, \dots \),则分布函数可以写成累加的形式: \[ F_X(x) = \sum_{x_i \leq x} P(X = x_i) = \sum_{x_i \leq x} p_i \][^4]。 这里的求和是对所有不大于 \( x \) 的可能取值进行计算。 ```python import numpy as np def distribution_function_discrete(values, probabilities, x): """ 计算离散型随机变量分布函数F(x) 参数: values (list): 随机变量的所有可能取值. probabilities (list): 各个取值对应的发生概率. x (float): 输入值. 返回: float: 分布函数值F(x). """ return sum(p for v, p in zip(values, probabilities) if v <= x) values = [1, 2, 3] probabilities = [0.2, 0.5, 0.3] x = 2 result = distribution_function_discrete(values, probabilities, x) print(f"F({x}) =", result) ```
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值