5.7 KiB
5.7 KiB
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:
- 写出归一性
\int f(x) dx = 1 - 列出方程,求未知参数
已知 F(x) 求 $f(x)$:
- 在
F可导处,f(x) = F'(x) - 在
F不可导处(连续点),f(x) = 0 - 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