概率函数和概率密度和分布函数有什么关系？ 概率密度函数与分布函数有什么区别和联系？
\u6982\u7387\u51fd\u6570\u548c\u6982\u7387\u5bc6\u5ea6\u548c\u5206\u5e03\u51fd\u6570\u5230\u5e95\u4ec0\u4e48\u5173\u7cfb\uff0c\u6c42\u7b80\u6d01\u7684\u89e3\u7b542.5\u968f\u673a\u53d8\u91cf\u51fd\u6570\u7684\u5206\u5e03
\u6982\u7387\u5bc6\u5ea6\u548c\u5206\u5e03\u51fd\u6570\u7684\u533a\u522b\u662f\u6982\u5ff5\u4e0d\u540c\u3001\u63cf\u8ff0\u5bf9\u8c61\u4e0d\u540c\u3001\u6c42\u89e3\u65b9\u5f0f\u4e0d\u540c\u3002
1\u3001\u6982\u5ff5\u4e0d\u540c\uff1a\u6982\u7387\u6307\u4e8b\u4ef6\u968f\u673a\u53d1\u751f\u7684\u673a\u7387\uff0c\u5bf9\u4e8e\u5747\u5300\u5206\u5e03\u51fd\u6570\uff0c\u6982\u7387\u5bc6\u5ea6\u7b49\u4e8e\u4e00\u6bb5\u533a\u95f4(\u4e8b\u4ef6\u7684\u53d6\u503c\u8303\u56f4)\u7684\u6982\u7387\u9664\u4ee5\u8be5\u6bb5\u533a\u95f4\u7684\u957f\u5ea6\uff0c\u5b83\u7684\u503c\u662f\u975e\u8d1f\u7684\uff0c\u53ef\u4ee5\u5f88\u5927\u4e5f\u53ef\u4ee5\u5f88\u5c0f\uff1b\u5206\u5e03\u51fd\u6570\u662f\u6982\u7387\u7edf\u8ba1\u4e2d\u91cd\u8981\u7684\u51fd\u6570\uff0c\u6b63\u662f\u901a\u8fc7\u5b83\uff0c\u53ef\u7528\u6570\u5b66\u5206\u6790\u7684\u65b9\u6cd5\u6765\u7814\u7a76\u968f\u673a\u53d8\u91cf\u3002
\u5206\u5e03\u51fd\u6570\u662f\u968f\u673a\u53d8\u91cf\u6700\u91cd\u8981\u7684\u6982\u7387\u7279\u5f81\uff0c\u5206\u5e03\u51fd\u6570\u53ef\u4ee5\u5b8c\u6574\u5730\u63cf\u8ff0\u968f\u673a\u53d8\u91cf\u7684\u7edf\u8ba1\u89c4\u5f8b\uff0c\u5e76\u4e14\u51b3\u5b9a\u968f\u673a\u53d8\u91cf\u7684\u4e00\u5207\u5176\u4ed6\u6982\u7387\u7279\u5f81\u3002
2\u3001\u63cf\u8ff0\u5bf9\u8c61\u4e0d\u540c\uff1a\u6982\u7387\u5bc6\u5ea6\u53ea\u662f\u9488\u5bf9\u8fde\u7eed\u6027\u53d8\u91cf\u800c\u8a00\uff0c\u800c\u5206\u5e03\u51fd\u6570\u662f\u5bf9\u6240\u6709\u968f\u673a\u53d8\u91cf\u53d6\u503c\u7684\u6982\u7387\u7684\u8ba8\u8bba\uff0c\u5305\u62ec\u8fde\u7eed\u6027\u548c\u79bb\u6563\u578b\u3002
3\u3001\u6c42\u89e3\u65b9\u5f0f\u4e0d\u540c\uff1a\u5df2\u77e5\u8fde\u7eed\u578b\u968f\u673a\u53d8\u91cf\u7684\u5bc6\u5ea6\u51fd\u6570\uff0c\u53ef\u4ee5\u901a\u8fc7\u8ba8\u8bba\u53ca\u5b9a\u79ef\u5206\u7684\u8ba1\u7b97\u6c42\u51fa\u5176\u5206\u5e03\u51fd\u6570\uff1b\u5f53\u5df2\u77e5\u8fde\u7eed\u578b\u968f\u673a\u53d8\u91cf\u7684\u5206\u5e03\u51fd\u6570\u65f6\uff0c\u5bf9\u5176\u6c42\u5bfc\u5c31\u53ef\u5f97\u5230\u5bc6\u5ea6\u51fd\u6570\u3002
\u5bf9\u79bb\u6563\u578b\u968f\u673a\u53d8\u91cf\u800c\u8a00\uff0c\u5982\u679c\u77e5\u9053\u5176\u6982\u7387\u5206\u5e03\uff08\u5206\u5e03\u5217\uff09\uff0c\u4e5f\u53ef\u6c42\u51fa\u5176\u5206\u5e03\u51fd\u6570\uff1b\u5f53\u7136\uff0c\u5f53\u77e5\u9053\u5176\u5206\u5e03\u51fd\u6570\u65f6\u4e5f\u53ef\u6c42\u51fa\u6982\u7387\u5206\u5e03\u3002
\u6269\u5c55\u8d44\u6599\uff1a
\u5bf9\u4e8e\u968f\u673a\u53d8\u91cfX\u7684\u5206\u5e03\u51fd\u6570F\uff08x\uff09\uff0c\u5982\u679c\u5b58\u5728\u975e\u8d1f\u53ef\u79ef\u51fd\u6570f(x)\uff0c\u4f7f\u5f97\u5bf9\u4efb\u610f\u5b9e\u6570x,\u6709
\u5219X\u4e3a\u8fde\u7eed\u578b\u968f\u673a\u53d8\u91cf\uff0c\u79f0f(x)\u4e3aX\u7684\u6982\u7387\u5bc6\u5ea6\u51fd\u6570\uff0c\u7b80\u79f0\u4e3a\u6982\u7387\u5bc6\u5ea6\u3002
\u5355\u7eaf\u7684\u8bb2\u6982\u7387\u5bc6\u5ea6\u6ca1\u6709\u5b9e\u9645\u7684\u610f\u4e49\uff0c\u5b83\u5fc5\u987b\u6709\u786e\u5b9a\u7684\u6709\u754c\u533a\u95f4\u4e3a\u524d\u63d0\u3002\u53ef\u4ee5\u628a\u6982\u7387\u5bc6\u5ea6\u770b\u6210\u662f\u7eb5\u5750\u6807\uff0c\u533a\u95f4\u770b\u6210\u662f\u6a2a\u5750\u6807\uff0c\u6982\u7387\u5bc6\u5ea6\u5bf9\u533a\u95f4\u7684\u79ef\u5206\u5c31\u662f\u9762\u79ef\uff0c\u800c\u8fd9\u4e2a\u9762\u79ef\u5c31\u662f\u4e8b\u4ef6\u5728\u8fd9\u4e2a\u533a\u95f4\u53d1\u751f\u7684\u6982\u7387\uff0c\u6240\u6709\u9762\u79ef\u7684\u548c\u4e3a1\u3002
\u6240\u4ee5\u5355\u72ec\u5206\u6790\u4e00\u4e2a\u70b9\u7684\u6982\u7387\u5bc6\u5ea6\u662f\u6ca1\u6709\u4efb\u4f55\u610f\u4e49\u7684\uff0c\u5b83\u5fc5\u987b\u8981\u6709\u533a\u95f4\u4f5c\u4e3a\u53c2\u8003\u548c\u5bf9\u6bd4\u3002
\u5728\u5b9e\u9645\u95ee\u9898\u4e2d\uff0c\u5e38\u5e38\u8981\u7814\u7a76\u4e00\u4e2a\u968f\u673a\u53d8\u91cf\u03be\u53d6\u503c\u5c0f\u4e8e\u67d0\u4e00\u6570\u503cx\u7684\u6982\u7387\uff0c\u8fd9\u6982\u7387\u662fx\u7684\u51fd\u6570\uff0c\u79f0\u8fd9\u79cd\u51fd\u6570\u4e3a\u968f\u673a\u53d8\u91cf\u03be\u7684\u5206\u5e03\u51fd\u6570\uff0c\u7b80\u79f0\u5206\u5e03\u51fd\u6570\uff0c\u8bb0\u4f5cF(x)\uff0c\u5373F(x)=P(\u03be<x) (-\u221e<x<+\u221e)\uff0c\u7531\u5b83\u5e76\u53ef\u4ee5\u51b3\u5b9a\u968f\u673a\u53d8\u91cf\u843d\u5165\u4efb\u4f55\u8303\u56f4\u5185\u7684\u6982\u7387\u3002
\u4f8b\u5982\u5728\u6865\u6881\u548c\u6c34\u575d\u7684\u8bbe\u8ba1\u4e2d\uff0c\u6bcf\u5e74\u6cb3\u6d41\u7684\u6700\u9ad8\u6c34\u4f4d\u03be\u5c0f\u4e8ex\u7c73\u7684\u6982\u7387\u662fx\u7684\u51fd\u6570\uff0c\u8fd9\u4e2a\u51fd\u6570\u5c31\u662f\u6700\u9ad8\u6c34\u4f4d\u03be\u7684\u5206\u5e03\u51fd\u6570\u3002\u5b9e\u9645\u5e94\u7528\u4e2d\u5e38\u7528\u7684\u5206\u5e03\u51fd\u6570\u6709\u6b63\u6001\u5206\u5e03\u51fd\u6570\u3001\u666e\u963f\u677e\u5206\u5e03\u51fd\u6570\u3001\u4e8c\u9879\u5206\u5e03\u51fd\u6570\u7b49\u7b49\u3002
\u7531\u4e8e\u968f\u673a\u53d8\u91cfX\u7684\u53d6\u503c \u53ea\u53d6\u51b3\u4e8e\u6982\u7387\u5bc6\u5ea6\u51fd\u6570\u7684\u79ef\u5206\uff0c\u6240\u4ee5\u6982\u7387\u5bc6\u5ea6\u51fd\u6570\u5728\u4e2a\u522b\u70b9\u4e0a\u7684\u53d6\u503c\u5e76\u4e0d\u4f1a\u5f71\u54cd\u968f\u673a\u53d8\u91cf\u7684\u8868\u73b0\u3002
\u66f4\u51c6\u786e\u6765\u8bf4\uff0c\u5982\u679c\u4e00\u4e2a\u51fd\u6570\u548cX\u7684\u6982\u7387\u5bc6\u5ea6\u51fd\u6570\u53d6\u503c\u4e0d\u540c\u7684\u70b9\u53ea\u6709\u6709\u9650\u4e2a\u3001\u53ef\u6570\u65e0\u9650\u4e2a\u6216\u8005\u76f8\u5bf9\u4e8e\u6574\u4e2a\u5b9e\u6570\u8f74\u6765\u8bf4\u6d4b\u5ea6\u4e3a0\uff08\u662f\u4e00\u4e2a\u96f6\u6d4b\u96c6\uff09\uff0c\u90a3\u4e48\u8fd9\u4e2a\u51fd\u6570\u4e5f\u53ef\u4ee5\u662fX\u7684\u6982\u7387\u5bc6\u5ea6\u51fd\u6570\u3002
\u8fde\u7eed\u578b\u7684\u968f\u673a\u53d8\u91cf\u53d6\u503c\u5728\u4efb\u610f\u4e00\u70b9\u7684\u6982\u7387\u90fd\u662f0\u3002\u4f5c\u4e3a\u63a8\u8bba\uff0c\u8fde\u7eed\u578b\u968f\u673a\u53d8\u91cf\u5728\u533a\u95f4\u4e0a\u53d6\u503c\u7684\u6982\u7387\u4e0e\u8fd9\u4e2a\u533a\u95f4\u662f\u5f00\u533a\u95f4\u8fd8\u662f\u95ed\u533a\u95f4\u65e0\u5173\u3002\u8981\u6ce8\u610f\u7684\u662f\uff0c\u6982\u7387P{x=a}=0\uff0c\u4f46{X=a}\u5e76\u4e0d\u662f\u4e0d\u53ef\u80fd\u4e8b\u4ef6\u3002
\u53c2\u8003\u8d44\u6599\u6765\u6e90\uff1a\u767e\u5ea6\u767e\u79d1-\u6982\u7387\u5bc6\u5ea6
\u53c2\u8003\u8d44\u6599\u6765\u6e90\uff1a\u767e\u5ea6\u767e\u79d1-\u5206\u5e03\u51fd\u6570
概率密度函数为：f(x)
二者的关系为：
f(x) = dF(x)/dx
即：密度函数f 为分布函数 F 的一阶导数。或者分布函数为密度函数的积分。
首先，要搞清楚研究对象的类型，是离散的随机变量，还是连续的随机变量。离散的直接用分布律就可以描述了。直白点，分布律就是分布的规律，X取各个值各占的概率都可以由它表示。
为了数学上能统一对随机变量进行研究，我们把离散的和非离散型随机变量统一定义了分布函数：（分布函数的定义我就不多说了）
为什么要定义分布函数，是因为在很多情况下，我们并不想知道在某样东西在某个特定的值的概率，顶多想知道在某个范围的概率，于是，就有了分布函数的概念。
那么，X落在（x1，x2）上的概率就可以知道了。通常情况下，离散的随机变量分布函数，只要知道分布律，大多都是用数字可以马上表示出来。书上的例子很多，就不举了。
概率密度，书上有正规定义，如果不明白，你就把它想做是分布函数F(x)对x求导，如果在x处连续的话。反之，知道概率密度函数，通过负无穷到x的积分，也可以求得分布函数。
绛旓細姒傜巼瀵嗗害鍑芥暟:鍦ㄦ暟瀛︿腑锛岃繛缁瀷闅忔満鍙橀噷鐨勬鐜囧瘑搴﹀嚱鏁帮紙鍦ㄤ笉鑷充簬娣锋穯鏃跺彲浠ョ畝绉颁负瀵嗗害鍑芥暟锛夋槸涓涓弿杩拌繖涓殢鏈哄彉閲岀殑杈撳嚭鍊硷紝鍦ㄦ煇涓‘瀹氱殑鍙栧肩偣闄勮繎鐨勫彲鑳芥х殑鍑芥暟銆姒傜巼鍑芥暟锛屾寚鐨勬槸鐢ㄥ嚱鏁扮殑褰㈠紡鏉ヨ〃杈炬鐜囥傛鐜鍒嗗竷鍑芥暟鍜屾鐜囧瘑搴鍑芥暟锛屾棤闈炴槸鐢ㄦ潵鎻忚堪浜嬩欢鍦ㄦ煇涓偣鎴栬呮煇涓尯闂村唴鍙戠敓鐨勬鐜囧ぇ灏忋傚皢...
绛旓細姒傜巼瀵嗗害鍜屽垎甯冨嚱鏁鐨勫尯鍒槸姒傚康涓嶅悓銆佹弿杩板璞′笉鍚屻佹眰瑙ｆ柟寮忎笉鍚屻1銆佹蹇典笉鍚岋細姒傜巼鎸囦簨浠堕殢鏈哄彂鐢熺殑鏈虹巼锛屽浜庡潎鍖鍒嗗竷鍑芥暟锛屾鐜囧瘑搴︾瓑浜庝竴娈靛尯闂(浜嬩欢鐨勫彇鍊艰寖鍥)鐨勬鐜囬櫎浠ヨ娈靛尯闂寸殑闀垮害锛屽畠鐨勫兼槸闈炶礋鐨勶紝鍙互寰堝ぇ涔熷彲浠ュ緢灏忥紱鍒嗗竷鍑芥暟鏄鐜囩粺璁′腑閲嶈鐨勫嚱鏁帮紝姝ｆ槸閫氳繃瀹冿紝鍙敤鏁板鍒嗘瀽鐨勬柟娉曟潵...
绛旓細姒傜巼鍒嗗竷鍑芥暟鍜屾鐜囧瘑搴鍑芥暟锛屾棤闈炴槸鐢ㄦ潵鎻忚堪浜嬩欢鍦ㄦ煇涓偣鎴栬呮煇涓尯闂村唴鍙戠敓鐨勬鐜囧ぇ灏忋傚皢鍏跺垎涓姒傜巼鍒嗗竷鍜姒傜巼瀵嗗害鍑芥暟锛屽疄璐ㄤ笂鏄杩炵画鎬у彉閲忓拰绂绘暎鍨嬪彉閲忕殑鍒嗙被璁ㄨ锛岀壒瀹氭暟鍊硷紝鐗瑰畾鍒嗘瀽銆傛鐜囧垎甯冨嚱鏁板拰姒傜巼瀵嗗害鍑芥暟鐨勫叏鍖洪棿鐨勭粨鏋滃繀閮戒负1锛屽嵆浜嬩欢鍦ㄥ叏鍖洪棿娈靛唴蹇呬細鍙戠敓銆姒傜巼鍑芥暟锛屽氨鏄敤鍑芥暟鐨勫舰寮...
绛旓細娣卞叆鐞嗚В姒傜巼瀵嗗害鍑芥暟涓庡垎甯冨嚱鏁锛氭彮绀虹粺璁″涓殑鏍稿績姒傚康 鍦ㄦ鐜囪涓庣粺璁＄殑涓栫晫閲岋紝姒傜巼瀵嗗害鍑芥暟锛圥robability Density Function, PDF锛涓庢鐜鍒嗗竷鍑芥暟锛圥robability Distribution Function, PDF锛夋槸涓ゅぇ鍏抽敭姒傚康锛屽畠浠悇鏈夌嫭鐗圭殑瑙掕壊鍜屽姛鑳斤紝鍗村張绱у瘑鐩歌繛銆傛蹇佃В鏋 棣栧厛锛岃鎴戜滑鍖哄垎杩欎袱涓蹇点傛鐜囧瘑搴﹀嚱鏁...
绛旓細鍥犳鍒嗗竷鍑芥暟鍜屽瘑搴﹀嚱鏁鏄弿杩伴殢鏈哄彉閲忓垎甯冪殑涓ょ姒傜巼琛ㄧず鏂瑰紡銆傚垎甯冨嚱鏁版槸瀹氫箟涓洪殢鏈哄彉閲忓皬浜庢垨绛変簬鏌愪釜鍊肩殑姒傜巼锛岃屽瘑搴﹀嚱鏁版槸瀹氫箟涓哄湪鍖洪棿涓婄殑姒傜巼瀵嗗害銆備簩鑰呴氳繃瀵兼暟鍜岀Н鍒嗙殑鍏崇郴鐩镐簰鍏宠仈锛屽瘑搴﹀嚱鏁版槸鍒嗗竷鍑芥暟鐨勫鏁帮紝鑰屽垎甯冨嚱鏁版槸瀵嗗害鍑芥暟鐨勭Н鍒嗐傞氳繃鍒嗗竷鍑芥暟鍜屽瘑搴﹀嚱鏁扮殑鐩镐簰杞寲锛屾垜浠彲浠ヨ绠楅殢鏈哄彉閲忕殑...
绛旓細1銆姒傜巼瀵嗗害鍑芥暟鏄竴涓弿杩拌繖涓殢鏈哄彉閲忕殑杈撳嚭鍊硷紝鍦ㄦ煇涓‘瀹氱殑鍙栧肩偣闄勮繎鐨鍙兘鎬鐨勫嚱鏁般傞殢鏈哄彉閲忕殑鍙栧艰惤鍦ㄦ煇涓尯鍩熶箣鍐呯殑姒傜巼鍒欎负姒傜巼瀵嗗害鍑芥暟鍦ㄨ繖涓尯鍩熶笂鐨勭Н鍒嗭紝褰撴鐜囧瘑搴﹀嚱鏁板瓨鍦ㄧ殑鏃跺欙紝绱Н鍒嗗竷鍑芥暟鏄鐜囧瘑搴﹀嚱鏁扮殑绉垎锛屾鐜囧瘑搴﹀嚱鏁颁竴鑸互灏忓啓鏍囪锛2銆佸垎甯冨嚱鏁版槸姒傜巼缁熻涓噸瑕佺殑鍑芥暟锛岄氳繃璇...
绛旓細姒傜巼瀵嗗害鍜屽垎甯冨嚱鏁版湁浣曞叧绯?绛旓細姒傜巼瀵嗗害 = f(x)鍒嗗竷鍑芥暟 = F(x)f(x) = d^2/dx^2 F(x,y)F(x) = 绉垎绉垎f(x,y)
绛旓細锛岄偅涔鍒嗗竷鍑芥暟CDF(FX(x))灏辨槸瀵嗗害鍑芥暟PDF(fX(t))鐨勭Н鍒嗭紝PDF灏辨槸CDF鐨勫鏁般傚浜庣鏁ｅ瀷闅忔満鍙橀噺锛屽叾CDF鏄樁姊姸鐨勫垎娈靛嚱鏁帮紝姣斿涓句緥涓殑鎺风‖甯侀殢鏈哄彉閲忥紝瀹冪殑CDF濡備笅 姝ｆ佸垎甯冩槸閲嶈鐨姒傜巼鍒嗗竷銆傚畠鐨姒傜巼瀵嗗害鍑芥暟鏄細闅忕潃鍙傛暟渭鍜屛村彉鍖栵紝姒傜巼鍒嗗竷涔熶骇鐢熷彉鍖栥傞殢鏈哄彉閲廥鐨刵闃 鐭 鏄疿鐨刵娆℃柟鐨 ...
绛旓細瀵姒傜巼瀵嗗害鍑芥暟鍒嗘绉垎 寰楀埌鐨勫氨鏄鍒嗗竷鍑芥暟 褰撶劧鍏舵渶澶у间负1 鑰屽垎甯冨緥鏄绂绘暎鍨嬮殢鏈哄彉閲廥鏉ヨ鐨 鍗冲叾鍙栧间负k鐨勬鐜囦负pk 鍒嗗竷寰嬪弽鏄犱簡涓涓鏁ｅ瀷闅忔満鍙橀噺鐨姒傜巼鍒嗗竷鐨勫叏璨
绛旓細鐭ラ亾鍒嗗竷鍑芥暟鐨勮瘽锛屼篃鍙互鐢ㄥ垎甯冨嚱鏁版眰锛岀敤鍒嗗竷鍑芥暟蹇傚浜庣鏁ｅ瀷闅忔満鍙橀噺锛岄渶瑕佺敤鍒嗗竷鍒楁眰锛岀煡閬撳垎甯冨嚱鏁扮殑璇濓紝涔熷彲浠ョ敤鍒嗗竷鍑芥暟姹傦紝杩欐椂鐢ㄥ垎甯冨垪姣旇緝濂姐傚垎甯冨嚱鏁扮敤涓嶅ソ浼氬嚭閿欍傛湁浠涔堝尯鍒細閮芥槸鏍规嵁宸茬煡鏉′欢姹傛湭鐭ワ紝娌℃湁澶氬ぇ鍒嗗埆銆傜敤鐢ㄤ笉鍚岀殑鍏紡鑰屽凡銆傚缓璁紝寮勬竻妤瀵嗗害鍑芥暟鍜屽垎甯冨嚱鏁鐨勫叧绯汇
