188 lines
5.7 KiB
Markdown
188 lines
5.7 KiB
Markdown
# 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
|
||
|
||
```mermaid
|
||
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**:
|
||
$$
|
||
1 = \int_0^1 c(1 - x) dx = c \left[x - \frac{x^2}{2}\right]_0^1 = c \cdot \frac{1}{2} \Rightarrow c = 2
|
||
$$
|
||
$$
|
||
P(X > 0.5) = \int_{0.5}^1 2(1 - x) dx = 2 \left[x - \frac{x^2}{2}\right]_{0.5}^1 = 2(0.5 - 0.375) = 0.25
|
||
$$ |