根据均匀分布的概率密度怎么求出的分布函数，求详解 已知分布函数如何求概率密度，已知概率密度如何求分布函数，带详...
\u5df2\u77e5\u5747\u5300\u5206\u5e03\u7684\u6982\u7387\u5bc6\u5ea6\u51fd\u6570\u6c42\u5176\u5206\u5e03\u51fd\u6570\u5df2\u77e5\u5206\u5e03\u51fd\u6570\u6c42\u6982\u7387\u5bc6\u5ea6\uff0c\u53ea\u8981\u5bf9\u5206\u5e03\u51fd\u6570\u6c42\u5bfc\u5c31\u884c\u3002\u5df2\u77e5\u6982\u7387\u5bc6\u5ea6\u5c31\u5206\u5e03\u51fd\u6570\uff0c\u5c31\u5bf9\u6982\u7387\u5bc6\u5ea6\u79ef\u5206\u5c31\u884c
已知概率密度f(x)，那么求F(x)对f(x)进行积分即可，在x<a时，f(x)都等于0，显然积分F(x)=0
而在a<x<b时，f(x)=1/(b-a)
不定积分结果为x/(b-a)，代入上下限x和a
于是在a到x上积分得到概率为(x-a)/(b-a)
那么x大于等于b时，概率就等于1，所以得到了上面的式子
扩展资料：
分布函数（英文Cumulative Distribution Function, 简称CDF），是概率统计中重要的函数，正是通过它，可用数学分析的方法来研究随机变量。分布函数是随机变量最重要的概率特征，分布函数可以完整地描述随机变量的统计规律，并且决定随机变量的一切其他概率特征。
1.定义
设X为连续型随机变量，其密度函数为 ，则有对上式两端求关于x的导数得这正是连续型随机变量X的分布函数与密度函数之间的关系。
2.几种常见的连续性随机变量的分布函数
(1)设 ,则随机变量X的分布函数为
(2)设 ，则随机变量X的分布函数为
(3)设 ，则随机变量的分布函数为
对于 ，其分布函数为
参考资料：百度百科-分布函数
已知概率密度f(x)，那么求F(x)对f(x)进行积分即可，在x<a时，f(x)都等于0，显然积分F(x)=0
而在a<x<b时，f(x)=1/(b-a)
不定积分结果为x/(b-a)，代入上下限x和a
于是在a到x上积分得到概率为(x-a)/(b-a)
那么x大于等于b时，概率就等于1，所以得到了上面的式子
扩展资料：
分布函数（英文Cumulative Distribution Function, 简称CDF），是概率统计中重要的函数，正是通过它，可用数学分析的方法来研究随机变量。分布函数是随机变量最重要的概率特征，分布函数可以完整地描述随机变量的统计规律，并且决定随机变量的一切其他概率特征。
设离散性随机变量X的分布列为 由概率的可列可加性得 ，即 其中和式是对满足 的一切k求和．
离散型随机变量的分布函数是分段函数， 的间断点就是离散型随机变量的各可能取值点，并且在其间断点处右连续．离散型随机变量 的分布函数 的图形是阶梯形曲线．
在 的一切有(正)概率的点 ，皆有一个跳跃，其跳跃度正好为 取值 的概率 ，而在分布函数 的任何一个连续点x上， 取值x的概率皆为零。
离散型随机变量的分布律和它的分布函数是相互唯一决定的。它们皆可以用来描述离散型随机变量的统计规律性，但分布律比分布函数更直观简明，处理更方便。因此，一般是用分布律(概率函数)而不是分布函数来描述离散型随机变量。
参考资料：百度百科-分布函数
已知概率密度f(x)，
那么求F(x)对f(x)进行积分即可，
在x<a时，f(x)都等于0，
显然积分F(x)=0
而在a<x<b时，f(x)=1/(b-a)
不定积分结果为x/(b-a)，代入上下限x和a
于是在a到x上积分得到概率为(x-a)/(b-a)
那么x大于等于b时，概率就等于1，
所以得到了上面的式子
已知概率密度f(x)，那么求F(x)对f(x)进行积分即可，在x<a时，f(x)都等于0，显然积分F(x)=0 而在
别看其他的满嘴废话，变上限积分，把概率密度f(t)积分，区间从负无穷到x。即可得到分布函数。
绛旓細1锛屽厛姹傚垎甯鍑芥暟锛歒鑲畾鏄垎甯冨湪锛1锛宔锛変笂鐨勶紝X锛漧n(Y)鏈嶄粠鍧囧寑鍒嗗竷 F(X)=P(x<=X)=X锛涖// X鍦(0,1)涓婃湇浠庡潎鍖鍒嗗竷 P(ln(y)<=X)=X锛 // 浠ｅ叆x=ln(y)锛屾敞鎰忔槸灏忓啓鐨 P(y<=e^X)=X锛// 鍐呴儴鏉′欢鍙樻崲涓轰互y涓哄彉閲忕殑 P(y<=Y)=ln(Y)锛// 浠ｅ叆X=ln(Y)锛屾敞鎰忔槸澶у啓...
绛旓細闅忔満鍙橀噺X鏈嶄粠鍖洪棿(2,4)涓婄殑鍧囧寑鍒嗗竷锛姹傚嚭X鐨勬鐜囧瘑搴fx=1/2. (2锛渪锛4) 鍏跺畠澶勪负0.浠庤孻=X2鐨勫垎甯冨嚱鏁版槸Fy =P (Y灏忎簬绛変簬y)=P (x2灏忎簬绛変簬y)銆倄2鐨勫彇鍊兼槸4鍒16.褰搚灏忎簬绛変簬4鏃讹紝P=0.褰搚澶т簬绛変簬16鏃讹紝P=1銆傚綋4灏忎簬y灏忎簬16鏃讹紝FY=绉垎銆2锛屾牴鍙穣銆 1/2 dy=1/2 *锛堟牴...
绛旓細鐢变簬闅忔満鍙橀噺X鏈嶄粠鍧囧寑鍒嗗竷锛鍏舵鐜囧瘑搴﹀嚱鏁颁负f_x(x) = 1/(2-(-2)) = 1/4锛屽洜姝わ紝鎴戜滑鍙互鏍规嵁鍏紡f_y(y) = f_x(x) * |x|璁＄畻鍑篩鐨勬鐜囧瘑搴﹀嚱鏁般傛墍浠ワ紝Y鐨勬鐜囧瘑搴﹀嚱鏁颁负锛歠_y(y) = f_x(x) * |x| = 1/4 * |x|鐜板湪鎴戜滑鏉ヨ绠梇鐨勬鐜囧瘑搴﹀嚱鏁板湪鍖洪棿[0, 8]鍐呯殑鍊笺...
绛旓細鍧囧寑鍒嗗竷姹傛鐜囧瘑搴﹀嚱鏁版柟娉曞涓嬶細瑕佹眰瑙ｅ潎鍖鍒嗗竷鐨勬鐜囧瘑搴﹀嚱鏁帮紝鎴戜滑闇瑕佸厛浜嗚В鍧囧寑鍒嗗竷鐨勫畾涔夊拰鎬ц川銆傚潎鍖鍒嗗竷鏄竴绉嶈繛缁瀷姒傜巼鍒嗗竷锛屽畠鎻忚堪浜嗘煇涓彉閲忓湪涓瀹氬尯闂村唴鍙栧肩殑姒傜巼銆傚亣璁炬垜浠湁涓涓殢鏈哄彉閲廥锛屽畠鍦ㄤ竴涓尯闂碼锛宐鍐呭彇鍊硷紝閭ｄ箞X鐨勫潎鍖鍒嗗竷鐨勬鐜囧瘑搴﹀嚱鏁板彲浠ヨ〃绀轰负锛歠锛坸锛=1/锛坆-a锛夊綋x鍦...
绛旓細鍧囧寑鍒嗗竷鐨勬鐜囧瘑搴鍑芥暟涓篺锛坸锛 = 1/锛坆-a锛夛紝鍏朵腑a涓哄畾涔夊煙鐨勪笅闄愶紝b涓哄畾涔夊煙鐨勪笂闄愩傛帹瀵煎垎甯冨嚱鏁 鏍规嵁姒傜巼瀵嗗害鍑芥暟鐨勫畾涔夛紝鍙互鎺ㄥ鍑哄潎鍖鍒嗗竷鐨勫垎甯冨嚱鏁癋锛坸锛 = Prob锛圶 鈮 x锛夈傚綋x < a鏃讹紝F锛坸锛 = 0锛涘綋a 鈮 x < b鏃讹紝F锛坸锛 = 锛坸 - a锛/锛坆 - a锛夛紱褰搙 鈮 b...
绛旓細X1锛孹2鏈嶄粠锛0,1锛夌殑鍧囧寑鍒嗗竷锛屽垯褰0<x1,x2<1鏃秄(x1)=f(x2)=1銆傜敱浜嶺1锛孹2鐩镐簰鐙珛锛屽垯Z=X1+X2鐨勬鐜囧瘑搴鍑芥暟f(z)=鈭玣(x)f(z-x)dx锛岀Н鍒嗗尯闂磋礋鏃犵┓鍒版鏃犵┓銆傚綋涓斾粎褰0<x<1涓0<z-x<1鏃惰绉嚱鏁颁笉绛変簬0锛屽嵆0<x<1锛寊-1<x<z銆傚湪xOz骞抽潰涓婅〃绀哄嚭绉垎鍖哄煙锛屾牴鎹Н鍒嗗尯鍩...
绛旓細宸茬煡姒傜巼瀵嗗害f(x)锛岄偅涔堟眰F(x)瀵筬(x)杩涜绉垎鍗冲彲锛屽湪x<a鏃讹紝f(x)閮界瓑浜0锛屾樉鐒剁Н鍒咶(x)=0銆傝屽湪a<x
绛旓細姹鍧囧寑鍒嗗竷瀵嗗害鍑芥暟鍏紡锛歠(x)=(x-a)/(b-a)銆傚湪姒傜巼璁哄拰缁熻瀛︿腑锛屽潎鍖鍒嗗竷涔熷彨鐭╁舰鍒嗗竷锛屽畠鏄绉姒傜巼鍒嗗竷锛屽湪鐩稿悓闀垮害闂撮殧鐨鍒嗗竷姒傜巼鏄瓑鍙兘鐨勩 鍧囧寑鍒嗗竷鐢变袱涓弬鏁癮鍜宐瀹氫箟锛屽畠浠槸鏁拌酱涓婄殑鏈灏忓煎拰鏈澶у硷紝閫氬父缂╁啓涓篣锛坅锛宐锛夈傛鐜囧垎甯冿紝鏄寚鐢ㄤ簬琛ㄨ堪闅忔満鍙橀噺鍙栧鐨勬鐜瑙勫緥銆備簨浠剁殑...
绛旓細鍧囧寑鍒嗗竷鐨勬鐜囧瘑搴鍑芥暟鏄痜(x)=1/(b-a)銆傚湪姒傜巼璁哄拰缁熻瀛︿腑锛屽潎鍖鍒嗗竷锛堢煩褰㈠垎甯冿級锛屾槸瀵圭О姒傜巼鍒嗗竷锛屽湪鐩稿悓闀垮害闂撮殧鐨鍒嗗竷姒傜巼鏄瓑鍙兘鐨勩傚潎鍖鍒嗗竷鐢变袱涓弬鏁癮鍜宐瀹氫箟锛屽畠浠槸鏁拌酱涓婄殑鏈灏忓煎拰鏈澶у硷紝閫氬父缂╁啓涓篣锛坅锛宐锛夈傛鐜囪鍒嗘瀽 鍧囧寑鍒嗗竷瀵逛簬浠绘剰鍒嗗竷鐨勯噰鏍锋槸鏈夌敤鐨勩 涓鑸殑鏂规硶鏄...
绛旓細"宸茬煡闅忔満鍙橀噺鐨鍧囧寑鍒嗗竷,璇曟眰闅忔満鍙橀噺鐨勬鐜囧瘑搴鍑芥暟?"绛:璁惧凡鐭ラ殢鏈哄彉閲廥鍦╗a,b]涓婂潎鍖鍒嗗竷,鍒欓殢鏈哄彉閲廥鐨勬鐜囧瘑搴﹀嚱鏁颁负:f(x)=1/(b-a),a
