概率论中的fX(x)是什么意思？它和f(x)有什么区别 概率论与数理统计中P(x),F(x),f(x)分别代表什么，...
\u6982\u7387\u8bba\u4e2dF(x).F(X)\u6709\u4ec0\u4e48\u533a\u522b\u697c\u4e0a\u5728\u80e1\u8bf4\u516b\u9053\u3002\u4e00\u822c\u4f60\u4f1a\u9047\u5230F(x)\uff0cx\u662f\u8fde\u7eed\u7684\uff0c\u4f46F(X)\u4e00\u822c\u9047\u5230\u4e0d\u591a\uff0c\u5982\u679c\u9047\u5230\u57fa\u672c\u662fX\u662f\u79bb\u6563\u7684\uff0c\u4f60\u4f1a\u9047\u5230P(X<x)\u8fd9\u79cd\u3002
\u4f60\u597d\uff01\u5206\u5e03\u51fd\u6570\u662f\u53f3\u8fde\u7eed\u7684\uff0c\u6240\u4ee5P(X\u2264x)=F(x)\uff0cP(X<x)=F(x-0)\uff0c\u6240\u4ee5\u6709P(x1\u2264X\u2264x2)=P(X\u2264x2)=P(X<x1)=F(x2)-F(x1-0)
在一维连续型随机变量中，f(x)表示随机变量X的密度函数。
一、含义不同：
fX（x）和fY（y）在“二维连续型随机变量及其密度函数”中出现。
fX（x）是X的边缘密度函数；fY（y）是Y的边缘密度函数。
二、表示不同：
X表示一个变量~x表示一个变量的值，F（X）表示一个函数的话，F（x）表示把X=x代入。
性质
随机变量在不同的条件下由于偶然因素影响，可能取各种不同的值，故其具有不确定性和随机性，但这些取值落在某个范围的概率是一定的，此种变量称为随机变量。随机变量可以是离散型的，也可以是连续型的。
如分析测试中的测定值就是一个以概率取值的随机变量，被测定量的取值可能在某一范围内随机变化，具体取什么值在测定之前是无法确定的，但测定的结果是确定的，多次重复测定所得到的测定值具有统计规律性。
以上内容参考：百度百科-随机变量
fX(x)中，X是下标，表示分布，x是分布中的元素，fX(x)表示密度函数，有的书里面也直接用f（x）表示密度，F（x）表示分布，这就看你们用的什么教材了
在一维连续型随机变量中，f(x)表示随机变量X的密度函数。
fX(x)和fY(y)在“二维连续型随机变量及其密度函数”中出现。
fX(x)是X的边缘密度函数；fY(y)是Y的边缘密度函数。
绛旓細杩欓噷鐢ㄥ埌闅忔満鍙橀噺鍑芥暟鐨勫瘑搴 Y=g(X) 鑻鍗曡皟锛屽垯鏈夊弽鍑芥暟 X=h(Y)X,Y鐨勫瘑搴︽湁浠ヤ笅鍏崇郴 fY(y)=fX(h(y))|h'(y)| 鍏朵腑fX鎸嘪鐨勫瘑搴︼紝杩欓噷鏄1锛宖Y鎸嘫鐨勫瘑搴︼紝杩欓噷鏄2y, 鍙堝洜涓哄瘑搴﹂潪璐熸墍浠>0 鏁 h'(y)=2y
绛旓細鍒嗕韩涓绉嶈В娉曘傛寜鐓ц竟缂樺垎甯冨嚱鏁扮殑瀹氫箟锛孹鐨勮竟缂樺垎甯冨嚱鏁FX(x)=lim(y鈫掆垶)F(X,Y)=1-e^(-x)锛寈鈮0锛孎X(x)=0锛寈涓哄叾瀹冦傚綋0<y<1鏃讹紝Y鐨勮竟缂樺垎甯冨嚱鏁癋Y(y)=lim(x鈫掆垶)F(X,Y)=y锛涘綋y鈮1鏃讹紝FY(y)=lim(x鈫掆垶)F(X,Y)=1銆傚張锛屽綋0<y<1銆亁>0鏃讹紝FX(x)*FY(y)=F(X,...
绛旓細锛1锛墄鐨勮竟闄呭瘑搴﹀嚱鏁fX(x)绛変簬f(x,y)瀵箉浠庤礋鏃犵┓鍒版鏃犵┓绉垎锛寉鐨勮竟闄呭瘑搴﹀嚱鏁癴Y(y)绛変簬f(x,y)瀵箈浠庤礋鏃犵┓鍒版鏃犵┓绉垎 锛2锛夌敤鐙珛闅忔満鍙橀噺鐨勫畾涔夊垽鏂紝X,Y鐙珛 鍙傝冧功绫嶏細銆婃暟鐞嗙粺璁′笌鏁版嵁鍒嗘瀽銆嬪師涔︾涓夌増
绛旓細Fx锛坸锛変笉鏄-e^(-3x) 鐨勮В閲婏細鍥犱负Fx锛坸锛夋槸鐢眆x锛坸锛夊湪-鈭炲埌x涓婄殑绉垎寰楁潵鐨勶紝鑰宖x锛坸锛夊湪-鈭炲埌0鍜0鍒+鈭炰笂琛ㄨ揪寮忎笉涓鏍枫傛晠鍦ㄧН鍒嗘椂锛岃瀵圭Н鍒嗕笂闄恱杩涜璁ㄨ銆傚悓鐞咶Y锛坹锛夎鍒嗘銆傚叾瀹為兘鏄洜涓轰笉鍚岀殑绉垎鑼冨洿锛岃绉嚱鏁拌〃杈惧紡涓嶅悓寮曡捣鐨 骞朵笖x鏈嶄粠鎸囨暟鍒嗗竷锛寉鏈嶄粠鍧囧寑鍒嗗竷 ...
绛旓細f(x锛寉)鐨勮〃杈惧紡鍦ㄤ綘鍥1鏈涓嬫柟锛屾姒傜巼瀵嗗害鍖洪棿鍐呰仈鍚堝瘑搴﹀嚱鏁版槸涓父鏁fx(x)*fy(y)鐨勮〃杈惧紡鍦ㄤ綘鍥2涓棿锛屾姒傜巼瀵嗗害鍖洪棿鍐呰仈鍚堝瘑搴﹀嚱鏁版槸x鍜寉鐨勫嚱鏁帮紝鏄剧劧涓嶇浉绛夈傚洜姝涓嶻涓嶇浉浜掔嫭绔
绛旓細濡傛灉浜岀淮闅忔満鍙橀噺X,Y鐨勫垎甯冨嚱鏁癋{x,y}涓哄凡鐭ワ紝閭ｄ箞 鍥犳杈圭紭鍒嗗竷鍑芥暟FX(x)锛孎Y(y)鍙互鐢(X,Y)鐨勫垎甯冨嚱鏁版墍纭畾銆傚鏋滀簩缁撮殢鏈哄彉閲廥,Y鐨勫垎甯冨嚱鏁癋{x,y}涓哄凡鐭ワ紝閭ｄ箞闅忔満鍙橀噺x锛寉鐨勫垎甯冨嚱鏁癋𝗑{x}鍜孎ʏ{y}鍙敱F{x,y}姹傚緱銆傚垯F𝗑{x}鍜孎ʏ{y}涓哄垎甯冨嚱鏁癋...
绛旓細杈圭紭鍒嗗竷鏄湪鍙︿竴涓彉閲忓湪鍏剁Н鍒嗗尯鍩熺殑绉垎銆傛瘮濡fX(x),浠栨槸鍦▂鐨勭Н鍒嗗尯鍩熷y杩涜鐨勭Н鍒嗐傚洜涓鸿仈鍚姒傜巼鍒嗗竷鍙互鐪嬫垚鍒嗗竷鍑芥暟鐨勪簩闃跺鏁帮紝鎵浠ヨ繖涓Н鍒嗚偗瀹氭槸浜岄噸绉垎涓鍏朵腑涓涓彉閲忔眰绉垎锛屽彧瑕亁,y鐨勭Н鍒嗗尯鍩熸槸鐙珛鐨勶紝涔熷氨鏄槸鐭╁舰绉垎鍩燂紝閭ｅ畠鐨勭Н鍒嗗煙鑲畾鏄笌x鏈夊叧鐨 浣嗘湡鏈涗笉鏄紝鏈熸湜鏄湰...
绛旓細鍒嗕韩涓绉嶈В娉曘(1)鍏堟眰鍑篨鐨勮竟缂樺垎甯冨瘑搴﹀嚱鏁fX(x)銆傛寜鐓у畾涔夊拰棰樻剰锛宖X(x)=鈭(-x,x)f(x,y)dy=2x锛0<x<1銆乫X(x)=0锛寈涓哄叾瀹冦傗憽姹傜壒寰佸笺侲(X)=鈭(0,1)xfX(x)dx=2鈭(0,1)x²dx=2/3銆侲(X²)=鈭(0,1)x²fX(x)dx=2鈭(0,1)x³dx=1/2銆
绛旓細澶у姒傜巼璁涔犻,鍦ㄧ嚎绛,璋㈣阿澶х浠 璁綳,Y閮芥槸闈炶礋鐨勮繛缁瀷闅忔満鍙橀噺,瀹冧滑鐩镐簰鐙珛銆傝瘉鏄:P{X<Y}=(浠0鍒版鏃犵┓绉垎)FX(x)fY(x)dx,鍏朵腑FX(x)鏄X鐨勫垎甯冨嚱鏁,fY(y)鏄痀鐨勬鐜囧瘑搴︺... 璁綳,Y閮芥槸闈炶礋鐨勮繛缁瀷闅忔満鍙橀噺,瀹冧滑鐩镐簰鐙珛銆 璇佹槑:P{X<Y}=(浠0鍒版鏃犵┓绉垎)FX(x)fY(x)dx,鍏朵腑FX(x...
绛旓細鍦姒傜巼璁轰腑锛屾鐜囪川閲忓嚱鏁 (Probability Mass Function锛孭MF)鏄鏁ｉ殢鏈哄彉閲忓湪鍚勭壒瀹氬彇鍊间笂鐨勬鐜囥傛鐜囪川閲忓嚱鏁板拰姒傜巼瀵嗗害鍑芥暟涓嶅悓涔嬪鍦ㄤ簬锛氭鐜囧瘑搴﹀嚱鏁版槸瀵硅繛缁殢鏈哄彉閲忓畾涔夌殑锛屾湰韬笉鏄鐜囷紝鍙湁瀵硅繛缁殢鏈哄彉閲忕殑鍙栧艰繘琛岀Н鍒嗗悗鎵嶆槸姒傜巼銆傛敞鎰忚繖鍦ㄦ墍鏈夊疄鏁颁笂锛屽寘鎷偅浜X涓嶅彲鑳界瓑浜庣殑瀹炴暟鍊间笂锛岄兘瀹氫箟浜...
