Files
2026-10-04 11:44:56 +08:00

5.7 KiB
Raw Permalink Blame History

题型四:连续型分布与密度函数 ⭐⭐⭐

识别特征

  • 题干出现"均匀分布"、区间 [a,b] 上的等可能 → U(a,b)
  • 题干出现"指数分布"、寿命/等待时间、失效率 \lambda → E(\lambda)
  • 题干出现"正态分布"、钟形曲线、N(\mu, \sigma^2) → 标准正态化
  • 题目要求求密度(已知 F 求 $f$)或求概率(已知 f 求 $P$)
  • 题目要求求参数(已知 $\int f = 1$)

解题流程

flowchart TD
    A[连续型问题] --> B{已知什么?}
    B -->|已知密度 f x| C[1. 验证归一性 ∫f dx=1]
    C --> D[2. 求概率 P a<X<b = ∫ f dx]
    B -->|已知 F x| E[1. f x = F' x 在 F 可导处]
    B -->|已知类型 U/E/N| F[1. 套公式]
    F --> G[均匀: f=1/b-a]
    F --> H[指数: f=λe^(-λx), x≥0]
    F --> I[正态: f 钟形曲线]
    B --> J{求什么?}
    J -->|求参数| K[用 ∫f dx=1 解方程]
    J -->|求概率| L[积分或标准化]
    J -->|求 F x| M[F x = ∫ -∞ to x f t dt]

通法步骤

一、均匀分布 U(a, b) ⭐⭐


f(x) = \begin{cases} \dfrac{1}{b-a}, & a \le x \le b \\ 0, & \text{其他} \end{cases}

特征:"在 [a,b] 上等可能" → 密度为常数。

分布函数:


F(x) = \begin{cases} 0, & x < a \\ \dfrac{x-a}{b-a}, & a \le x \le b \\ 1, & x > b \end{cases}

关键性质:$X \sim U(a,b)$,则 $P(c \le X \le d) = \dfrac{d - c}{b - a}$(区间长度比)

极简例子: $X \sim U(0, 2)$,求 P(0.5 < X < 1.5)


P = \frac{1.5 - 0.5}{2 - 0} = \frac{1}{2}

二、指数分布 E(\lambda) ⭐⭐⭐


f(x) = \begin{cases} \lambda e^{-\lambda x}, & x \ge 0 \\ 0, & x < 0 \end{cases}

特征:

  • $x \ge 0$(非负)
  • 衰减曲线
  • 失效率 / 寿命 / 等待时间

分布函数:


F(x) = \begin{cases} 1 - e^{-\lambda x}, & x \ge 0 \\ 0, & x < 0 \end{cases}

关键性质:无记忆性


P(X > s + t \mid X > s) = P(X > t) = e^{-\lambda t}

极简例子: 元件寿命 $X \sim E(0.01)$(平均寿命 100 小时),求 P(X > 200)


P(X > 200) = 1 - F(200) = e^{-0.01 \times 200} = e^{-2} \approx 0.1353

三、正态分布 N(\mu, \sigma^2) ⭐⭐⭐(详见 题型 5)

特征:

  • 钟形对称曲线
  • 关于 x = \mu 对称
  • \sigma 越大曲线越"扁"
  • \mu = 0, \sigma = 1 为标准正态 N(0,1)

核心公式:


f(x) = \frac{1}{\sqrt{2\pi} \sigma} e^{-\frac{(x - \mu)^2}{2\sigma^2}}

四、求密度函数的标准流程

已知 f(x) 求参数:

  1. 写出归一性 \int f(x) dx = 1
  2. 列出方程,求未知参数

已知 F(x) 求 $f(x)$:

  1. 在 F 可导处,f(x) = F'(x)
  2. 在 F 不可导处(连续点),f(x) = 0
  3. 注意:连续型 F 连续可导(除去有限个点)

极简例子: 设 $f(x) = \begin{cases} kx^2, & 0 \le x \le 1 \ 0, & \text{其他} \end{cases}$,求 $k$。


1 = \int_0^1 kx^2 dx = \frac{k}{3} \Rightarrow k = 3

五、求概率的标准流程


P(a \le X \le b) = \int_a^b f(x) dx

分段积分:f 在不同区间表达式不同时,积分要分段。

极简例子: $f(x) = \begin{cases} 2x, & 0 \le x \le 1 \ 0, & \text{其他} \end{cases}$,求 P(0.3 < X < 0.7)


P = \int_{0.3}^{0.7} 2x\, dx = x^2 \Big|_{0.3}^{0.7} = 0.49 - 0.09 = 0.40

六、三大分布对照表

分布 密度形状 取值范围 关键参数 关键性质
U(a,b) 矩形 [a,b] a, b 区间内常数
E(\lambda) 衰减曲线 [0, +\infty) \lambda 无记忆性
N(\mu, \sigma^2) 钟形对称 (-\infty, +\infty) \mu, \sigma 标准化

常见陷阱

  • 均匀分布"开闭区间":f 在 a, b 处的取值(1/(b-a) 或 $0$)不影响概率(单点概率为 0)
  • 指数分布 x \ge 0 限制:f(x) = \lambda e^{-\lambda x} 仅在 x \ge 0 时成立,x < 0 时 f = 0
  • 正态参数识别:N(\mu, \sigma^2) 中方差是 $\sigma^2$(不是 $\sigma$!),\sigma 是标准差
  • 求密度时漏写"其他 = 0":必须明确写分段,f(x) 在范围外是 0
  • 分段积分的边界:积分上下限要严格对应 f 的非零区间

经典母题

题目:设 X 的密度函数为

f(x) = \begin{cases} cx^2, & 1 \le x \le 2 \\ 0, & \text{其他} \end{cases}

(1) 求常数 $c$; (2) 求 X 的分布函数 $F(x)$; (3) 求 $P(1.5 < X < 1.8)$。

解析:

(1) 用归一性求 $c$:


1 = \int_1^2 cx^2 dx = c \cdot \frac{x^3}{3}\Big|_1^2 = c \left(\frac{8}{3} - \frac{1}{3}\right) = \frac{7c}{3}

\Rightarrow c = \frac{3}{7}

(2) 分段求 $F(x)$:

  • $x < 1$:F(x) = 0
  • $1 \le x < 2$: F(x) = \int_1^x \frac{3}{7} t^2 dt = \frac{t^3}{7}\Big|_1^x = \frac{x^3 - 1}{7}
  • $x \ge 2$:F(x) = 1

(3) 求概率:


P(1.5 < X < 1.8) = F(1.8) - F(1.5) = \frac{1.8^3 - 1}{7} - \frac{1.5^3 - 1}{7} = \frac{5.832 - 2.375}{7} = \frac{3.457}{7} \approx 0.494

或直接积分:


P = \int_{1.5}^{1.8} \frac{3}{7} x^2 dx = \frac{x^3}{7}\Big|_{1.5}^{1.8} = \frac{5.832 - 3.375}{7} = \frac{2.457}{7} \approx 0.351

复盘:

  • 第 (1) 步用归一性 \int f = 1 → 方程 → 解 c
  • 第 (2) 步分段积分:每个区间单独写公式
  • 第 (3) 步两种方法等价:积分 or 用 F

变式(混合型):设

f(x) = \begin{cases} c(1 - x), & 0 \le x \le 1 \\ 0, & \text{其他} \end{cases}

求 c 和 $P(X > 0.5)$。

解:


1 = \int_0^1 c(1 - x) dx = c \left[x - \frac{x^2}{2}\right]_0^1 = c \cdot \frac{1}{2} \Rightarrow c = 2

P(X > 0.5) = \int_{0.5}^1 2(1 - x) dx = 2 \left[x - \frac{x^2}{2}\right]_{0.5}^1 = 2(0.5 - 0.375) = 0.25