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

188 lines
5.7 KiB
Markdown
Raw Permalink Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
# 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**:
$$
1 = \int_0^1 c(1 - x) dx = c \left[x - \frac{x^2}{2}\right]_0^1 = c \cdot \frac{1}{2} \Rightarrow c = 2
$$
$$
P(X > 0.5) = \int_{0.5}^1 2(1 - x) dx = 2 \left[x - \frac{x^2}{2}\right]_{0.5}^1 = 2(0.5 - 0.375) = 0.25
$$