2.4 连续型随机变量及其概率密度

数学学习 · 爱知数学讲义

18
本章目录 · 1 节

本章导读

【2.4 连续型随机变量及其概率密度】如果存在非负可积函数,使分布函数对一切实数均满足,就称为本书所讨论的连续型随机变量,为概率密度。更准确地说,这是绝对连续分布。分布函数连续本身还不足以保证存在密度;也有奇异连续分布和离散、连续成分并存的混合分布。

【密度与概率】密度满足(几乎处处)、。对于,。概率是曲线下的面积,密度的高度不是某个单点的概率;可以超过1,但。改变密度在有限或可数个点的取值不改变分布。

xf(x)-1.41.200.2
图2-7 非负密度曲线的总面积为1;示意采用归一化的双峰正态混合密度
xf(x)-1.41.200.2x1x2
图2-8 区间概率等于x₁到x₂之间的曲线下面积

【密度与分布函数的联系】在连续的点,;一般地,这一等式几乎处处成立。当很小且在附近连续时,。对具有密度的分布,单点概率为0,因此区间的开闭端点不影响概率。

【例1 分段密度及其积分】给定(),(),其余为0。由总积分得。随后逐段累积面积,得到

在3处分段值均为3/4,在4处达到1,满足连续性。。第二段积分必须加上第一段已经累计的3/4。(例完)

【一、均匀分布】若且(),区间外为0,就称。对,:等长度区间具有相同概率。

xf(x)a=1b=31/2
图2-9 均匀分布的矩形密度;图示取a=1、b=3,高度为1/2
xF(x)a=1b=31
图2-10 同一个均匀分布的分布函数

【例2 电阻值】假设电阻值,单位。则。这是题设的均匀模型,不表示实际所有电阻的误差都应使用均匀分布。(例完)

【二、指数分布】本书用尺度参数表示指数分布:

有些文献改用率参数,写成。使用公式前要先确认参数含义,不能把尺度和率直接互换。()。

xf(x)01240.513
图2-11 三种尺度的指数密度;θ=1/3、1、2对应起始高度3、1、1/2

【无记忆性】对,。解释为已经等待之后,继续等待超过的条件概率不依赖。这是指数模型的性质;并非所有寿命都无老化,不能未经验证就用于任意元件。

【三、正态分布】若、,且

则记。第二个参数是方差,而非标准差。这一点在换元和查表时尤其重要。

【正态密度的归一化】记。被积函数非负,二重积分换成极坐标后,。因,得。再令,便得正态密度的总积分为1。

【形状与参数】曲线关于对称,在处达到最大值,在处有拐点,远端趋于0。固定改变使曲线平移;固定减小使曲线更集中、峰更高,但总面积始终为1。

xf(x)0.4
图2-12 相同标准差、不同位置的正态密度;示例μ=0、3,σ=1
xf(x)0.7980.3990.266
图2-13 相同位置、不同标准差的正态密度;μ=0,σ=0.5、1、1.5

【标准正态分布】的密度记为,分布函数记为。对称性给出、。一般正态分布函数为。

xF(x)-331/21
图2-14 正态分布函数;标准化示例在μ=0处取值1/2
xf(x)-x0x0.4
图2-15 标准正态密度的对称性;左右阴影面积相等

【标准化引理】若,则。证明:,对正态密度积分作同样的变量替换,即得。因此

例如时标准差是2,,查四位小数表可写0.3094。

【“3σ”法则】。取时,概率约为68.2689%、95.4500%、99.7300%。按百分数保留两位小数应写68.27%、95.45%、99.73%。这些是高度集中的概率,不是概率1,也不表示区间之外绝无观测。

xf(x)-3-2-10123P(|Z| < 1) = 68.2689%P(|Z| < 2) = 95.4500%P(|Z| < 3) = 99.7300%
图2-16 一、二、三个标准差的中心区间及准确的概率近似

【例3 温度调节】液体温度。若℃,则。若要求,则,所以℃。等号满足“不低于0.99”;若工程设定只允许保留三位小数,需向上取为81.164℃,不能向下舍入而破坏约束。(例完)

【上α分位数】对,若(),称为上分位数。所以,。注意本书的上尾约定与某些软件使用的下尾分位数参数相反。

xf(x)0z(0.05)
图2-17 上α分位数右侧的曲线下面积为α;示例α=0.05
0.0013.0900.0052.5760.012.3260.0251.9600.051.6450.11.282
常用标准正态上尾分位数,数值保留三位小数

【应用范围】测量误差、某些总体的身高等可以在适当条件下用正态分布近似,但应检查数据、取值范围与模型条件。不能把“许多现象近似正态”误解成所有连续变量都正态,更不能把本节的教学模型当作现实医疗或工程标准。