| English | 释义 | 拼音 |
|---|---|---|
| continuous variable/kənˈtɪnjuːəs ˈveərɪəbl/ | 连续变量 | lián xù biàn liàng |
| continuous random variable/kənˈtɪnjuːəs ˈrændəm ˈveərɪəbl/ | 连续随机变量 | lián xù suí jī biàn liàng |
| probability density function/ˌprɒbəˈbɪlɪti ˈdensɪti ˈfʌŋkʃn/ | 概率密度函数 | gài lǜ mì dù hán shù |
| support/səˈpɔːt/ | 支撑集 | zhī chēng jí |
| piecewise | 分段 | fēn duàn |
| normalisation/ˌnɔːməlaɪˈzeɪʃn/ | 归一化 | guī yī huà |
| conditional probability/kənˈdɪʃənl ˌprɒbəˈbɪlɪti/ | 条件概率 | tiáo jiàn gài lǜ |
| expectation/ekspɪkˈteɪʃn/ | 期望 | qī wàng |
| variance/ˈveərɪəns/ | 方差 | fāng chà |
| cumulative distribution function/ˈkjuːmjʊlətɪv ˌdɪstrɪˈbjuːʃn ˈfʌŋkʃn/ | 累积分布函数 | lěi jī fēn bù hán shù |
| median/ˈmiːdiːən/ | 中位数 | zhōng wèi shù |
| percentile/pəˈsentaɪl/ | 百分位数 | bǎi fēn wèi shù |
| quartile/ˈkwɔːtaɪl/ | 四分位数 | sì fēn wèi shù |
| transformation/trænsfɔːˈmeɪʃn/ | 变换 | biàn huàn |
等待时间的测量区间
- 连续变量 可以在某个区间内取任意值,例如等待时间。由密度描述的 连续随机变量 在每个确切值处的概率 $P(X=x)=0$ 为零。
- 这并不意味着某个区间不可能发生:$P(1<X<2)$ 可以为正值。概率来源于某范围内的面积,而非曲线上某一点的高度。
检查密度函数是否有效
- 概率密度函数 $f(x)$ 必须非负,且总面积为 $1$。写出其 支撑集,即取值可能的范围,并在其外部使用密度 $0$。
- 密度可以超过 $1$:在 $[0,1/4]$ 上的均匀分布高度为 $4$,面积为 $4(1/4)=1$。即使带符号积分等于 $1$,包含负值区域的候选函数也是无效的。
密度本身不是概率。对于连续分布,改变某一端点的包含或排除状态不会改变区间的概率。
一个概率密度函数下面的总面积必须等于多少?
难度 2/5 · 今日首次完成可获 140 金币及少量额外奖励
一个概率密度函数在它整个范围上积分为 1。
概率密度 f(x) 永远不会大于 1。
难度 1/5 · 今日首次完成可获 100 金币及少量额外奖励
错误。只有总面积必须等于 1;在窄区间内,密度本身可以超过 1,例如 [0, 0.5] 上的均匀密度为 2。
某候选密度函数为 f(x) = 3x²/2(定义域 [−1,1]),其余为零。验证其有效性并求 P(X < 0)。
将概率事件、支撑集、分段常数和计算过程与模型进行比较。修正推理及结果。
保持原始的三角形密度模型
- 对于 $0\leq x\leq2$ 上的 $f(x)=x/2$,总面积为 $\int_0^2x/2\,dx=1$。例如,$P(1<X<2)=\int_1^2x/2\,dx=3/4$。
- 概率 $P(X=1)$ 等于 $0$,尽管 $f(1)=1/2$。密度高度与点概率是不同的概念。

设随机变量X的密度函数为f(x) = kx,定义域为[0,3],其余为零。求k值及P(1 < X < 2)。
将概率事件、支撑集、分段常数和计算过程与模型进行比较。修正推理及结果。
归一化分段密度
- 分段密度可以在不同区间使用不同的规则。假设图线在高度$a$处从$0$到$2$保持平坦,然后线性下降至$4$处的零值。其面积为$2a+\tfrac12(2)a=1$,因此$a=1/3$。
- 下降直线的方程为 $(4-x)/6$。因此我们的计算密度为:$0\leq x<2$ 时是 $f(x)=1/3$,$2\leq x\leq4$ 时是 $f(x)=(4-x)/6$,其余情况为 $0$。归一化 使用了每一部分,而不是为每一部分单独设置一个面积为 $1$ 的区域。
密度曲线下的面积变为累积概率的高度
$f(x)=2x/b^2,\quad F(x)=x^2/b^2\ (0\le x\le b)$
把[0,2]上的上升密度与累积概率联系起来。边界确定面积,百分位数则由面积反求边界。
密度函数为 kx,定义域为 0 ≤ x < 1;以及 2k,定义域为 1 ≤ x ≤ 2;其余为零。求 k。这两段必须在 x = 1 处相接吗?
将概率事件、支撑集、分段常数和计算过程与模型进行比较。修正推理及结果。
在每个密度断点处拆分事件
- 对于该分段密度,$P(1<X<3)$ 与 $x=2$ 相交。拆分积分:
- 从 $2$ 到 $3$ 的部分面积为 $1/4$。若对整个事件使用恒定规则,将得到错误的概率值。
设密度函数在[0,1)上为2x/5,在[1,2]上为4/5,其余为零。求P(1/2 < X < 3/2)。
将概率事件、支撑集、分段常数和计算过程与模型进行比较。修正推理及结果。
一个条件限制并重新缩放面积
- 条件概率 使用 $P(A\mid B)=P(A\cap B)/P(B)$(当 $P(B)>0$ 时)。在积分前,先将条件转换为相应区域。
- 在该分段密度中,$P(X>3)=1/12$ 和 $P(X>1)=2/3$。因此 $P(X>3\mid X>1)=(1/12)/(2/3)=1/8$;分母是施加条件后的允许面积。
A density is 2x/5 on [0,1) and 4/5 on [1,2], zero otherwise. Find P(X > 3/2 given X > 1/2).
将概率事件、支撑集、分段常数和计算过程与模型进行比较。修正推理及结果。
利用密度权重求期望
- 期望 或均值是对整个支撑集上 $E(X)=\int x f(x)\,dx$ 的积分。变量 $x$ 对每个微小概率贡献进行加权。
- 对于该分段密度,
设随机变量X的密度函数为3x²,定义域为[0,1],其余为零。求其均值,并写出被积函数。
将概率事件、支撑集、分段常数和计算过程与模型进行比较。修正推理及结果。
在方差之前计算二阶矩
- 二阶矩为 $E(X^2)=\int x^2 f(x)\,dx$。方差 为 $\operatorname{Var}(X)=E(X^2)-[E(X)]^2$,而非仅对 $x^2$ 积分的结果。
- 该分段密度给出 $E(X^2)=10/3$,故 $\operatorname{Var}(X)=10/3-(14/9)^2=74/81$。均值位于支撑集内部,且方差非负。
设随机变量X的密度函数为3x²,定义域为[0,1],均值为3/4。求其方差。
将概率事件、支撑集、分段常数和计算过程与模型进行比较。修正推理及结果。
应用通用期望法则
- 对于函数 $g$,教学大纲中的法则为
前提是期望存在。将所求函数代入被积表达式;除非必要或明确要求,否则不要寻找新的密度函数。
- 对于 $g(X)=3X+2$,$E(g(X))=3E(X)+2$。此线性捷径不适用于任意函数:$E(X^2)$ 通常不同于 $[E(X)]^2$。
一个变量的密度函数为 2x,定义域为 [0,1],其余为零。在不推导变换后密度函数的情况下,求 E(3X² + 2)。
将概率事件、支撑集、分段常数和计算过程与模型进行比较。修正推理及结果。
倒数期望需单独积分
- 对于原始三角形密度 $f(x)=x/2$ 在 $[0,2]$ 上,
- 此处 $E(X)=4/3$,故 $1/E(X)=3/4$,结果不同。当被积表达式在端点处有奇异性时,在报告均值前务必检查反常积分是否有限;切勿抵消积分限。
一个变量的密度函数为 2x,定义域为 (0,1)。求 E(1/X),并与 1/E(X) 比较。
将概率事件、支撑集、分段常数和计算过程与模型进行比较。修正推理及结果。
定义整个实数轴上的累积函数
- 累积分布函数 是 $F(x)=P(X\leq x)=\int_{-\infty}^x f(t)\,dt$。它是非递减的,取值介于 $0$ 和 $1$ 之间,且对于由密度描述的分布而言是连续的。
- 在最低可能值以下,$F=0$;在最高可能值以上,$F=1$。即使该处密度为零,外部值仍属于累积分布函数(CDF)。
累积分布函数 F(x) 给出:
难度 1/5 · 今日首次完成可获 100 金币及少量额外奖励
F(x) = P(X ≤ x),到 x 为止累积的面积。
假设的累积分布函数(CDF)为0(当x < −1, x² for −1 ≤ x ≤ 1, and 1 for x > 1时)。解释为何它不能描述一个具有密度函数的随机变量。
将概率事件、支撑集、分段常数和计算过程与模型进行比较。修正推理及结果。
将之前的概率带入下一段累积分布函数
- 在工作示例密度中,$F(x)=x/3$ 对应于 $0\leq x<2$。对于 $2\leq x\leq4$,从 $F(2)=2/3$ 开始并仅加上新增的面积:
- 用 $F=0$ 对 $x<0$ 和 $F=1$ 对 $x>4$ 完成定义。两个内部规则在 $F(2)=2/3$ 处交汇;若从零开始积分第二段密度,则会丢失累积常数。
密度函数为 2x/5,定义域为 [0,1);以及 4/5,定义域为 [1,2];其余为零。求其完整的累积分布函数。
将概率事件、支撑集、分段常数和计算过程与模型进行比较。修正推理及结果。
密度可以跳跃而其累积分布函数保持连续
- 考虑 $f(x)=2x/7$ 在 $0\leq x<1$ 上以及 $f(x)=6/7$ 在 $1\leq x\leq2$ 上,其余为零。其总面积为 $1/7+6/7=1$;密度在 $1$ 处发生跳跃。
- 其累积分布函数为 $x^2/7$ 在 $[0,1)$ 上以及 $(6x-5)/7$ 在 $[1,2]$ 上。两者均给出 $F(1)=1/7$。它们的斜率不同:$F'=f$ 存在于每个光滑部分内,但在连接点处的导数不一定存在。
在每个光滑分段内部,概率密度 f(x) 是累积分布函数 F(x) 的 ______。
难度 1/5 · 今日首次完成可获 100 金币及少量额外奖励
在每个光滑分段内部,f(x) = F′(x)。在密度跳跃点,累积分布函数保持连续,但其导数可能不存在。
对于密度函数2x/5(在[0,1)上)和4/5(在[1,2]上),比较x = 1处的单侧密度极限和CDF极限。该点的CDF是否存在导数?
将概率事件、支撑集、分段常数和计算过程与模型进行比较。修正推理及结果。
从给定的累积分布函数恢复常数
- 假设一个连续变量在 $1$ 下方为 $F=0$,在 $1\leq x\leq3$ 时为 $F(x)=ax^2+b$,在 $3$ 上方为 $F=1$。连续性给出 $a+b=0$ 和 $9a+b=1$。
- 因此 $a=1/8$,$b=-1/8$。求导得到 $f(x)=x/4$ 在 $1<x<3$ 上,其余为零。检查两个端点值和斜率非负性;仅靠最终端点无法确定两个常数。
一个连续随机变量在2以下的累积分布函数(CDF)为0,在[2,4]上为ax² + b,在4以上为1。求a、b及其概率密度函数。
将概率事件、支撑集、分段常数和计算过程与模型进行比较。修正推理及结果。
使用累积分布函数差值计算区间概率
- 对于连续分布,$P(a<X\leq b)=F(b)-F(a)$;严格与非严格端点给出相同结果,因为单点概率为零。
- 对于工作示例密度,$F(3)-F(1)=11/12-1/3=7/12$,与分段积分一致。每种方法都必须在每个端点处使用正确的累积分布函数分支。
某变量的累积分布函数在[2,4]上为(x² − 4)/12,外部取常规值。求P(5/2 ≤ X < 7/2),并说明将任一不等式改为严格不等号是否影响结果。
将概率事件、支撑集、分段常数和计算过程与模型进行比较。修正推理及结果。
求解前定位中位数
- 中位数 $m$ 满足 $F(m)=1/2$。在工作示例密度 $F(2)=2/3$ 中,因此 $m$ 位于第一段内:$m/3=1/2$,得出 $m=3/2$。
- 在原始三角形示例中,$F(x)=x^2/4$ 在 $[0,2]$ 上,因此 $m=\sqrt2$。密度高度 $f(m)=1/2$ 并非中位数的方程。

对 [0,2] 上的 f(x) = ½x,F(x) = ¼x²。中位数解 ¼m² = 0.5。m 是多少?(2 位小数)
难度 2/5 · 今日首次完成可获 140 金币及少量额外奖励
¼m² = 0.5 → m² = 2 → m = √2 ≈ 1.41.
一个连续分布的中位数 m 满足:
难度 1/5 · 今日首次完成可获 100 金币及少量额外奖励
中位数把面积分成两半:F(m) = 0.5。
某变量的概率密度函数在[0,1]上为3x²,其余为零。求其中位数精确值并验证其取值范围。
将概率事件、支撑集、分段常数和计算过程与模型进行比较。修正推理及结果。
选择正确的百分位数分支
- 百分位数 在比例 $p$ 处求解 $F(q)=p$。较低的四分位数使用 $p=1/4$。对于示例密度,较低四分位数为 $3/4$,因为它位于 $2$ 之下。
- 第 90 百分位数位于 $2$ 之上:求解 $1-(4-q)^2/12=0.9$。有效根为 $q=4-\sqrt{6/5}$;另一个代数根位于支撑集之外。求解后请检查分支。
连续分布从 2 到 6 是均匀的。中位数是多少?为什么概率密度可以大于 1?
对于均匀分布,中位数和均值都是区间中心。概率是密度曲线下的面积。
某累积分布函数在0 ≤ x < 1时为x²/5,在1 ≤ x ≤ 2时为(4x − 3)/5,外部取0或1。求第10百分位数和第90百分位数。
将概率事件、支撑集、分段常数和计算过程与模型进行比较。修正推理及结果。
从事件和范围开始变换
- 变换 $Y=g(X)$ 改变了可能值的范围。首先找到 $Y$ 的支撑集以及每个旧断点移动到的位置;然后写出 $F_Y(y)=P(g(X)\leq y)$。
- 针对该事件求解 $X$,使用其累积分布函数(CDF),若需要新密度则进行微分。在支撑集外写出 $F_Y=0$ 和 $1$,并在密度支撑集外写出 $f_Y=0$。
X的取值范围为[−2,1],且Y = 2 − X²。求Y的完整值域,并说明为何仅考察端点映射会遗漏部分值。
将概率事件、支撑集、分段常数和计算过程与模型进行比较。修正推理及结果。
递增的仿射变换保持事件顺序
- 对于使用示例密度的 $Y=2X+1$,支撑集从 $[0,4]$ 变为 $[1,9]$,断点 $2$ 变为 $5$。由于 $2X+1\leq y$ 意味着 $X\leq(y-1)/2$,
- 微分得到 $f_Y(y)=\tfrac12 f_X((y-1)/2)$:它在 $1<y<5$ 上为 $1/6$,在 $5<y<9$ 上为 $(9-y)/24$,其余为零。逆导数提供了因子 $1/2$。
X的概率密度函数在[0,1]上为2x,其余为零。令Y = 3X + 2。求Y的完整累积分布函数和概率密度函数。
将概率事件、支撑集、分段常数和计算过程与模型进行比较。修正推理及结果。
递减变换反转不等式
- 使用原始三角形 $X$ 在 $[0,2]$ 上,令 $Y=4-X$,其支撑集为 $[2,4]$。事件 $4-X\leq y$ 意味着 $X\geq4-y$。
- 因此 $F_Y(y)=1-F_X(4-y)=1-(4-y)^2/4$ 对应于 $2\leq y\leq4$,且在其区间内为 $f_Y(y)=(4-y)/2$。完成外部部分。将补集排除在外代入 $F_X$ 会产生一个递减的、无效的 CDF。
X的概率密度函数在[0,1]上为2x,其余为零。令Y = 3 − 2X。求Y的完整累积分布函数和概率密度函数。
将概率事件、支撑集、分段常数和计算过程与模型进行比较。修正推理及结果。
保持原始正平方变换
- 如果原始三角形 $X$ 位于 $[0,2]$ 和 $Y=X^2$ 之间,则该映射在该支撑集上是递增的。对于 $0\leq y\leq4$,
- 因此在 $(0,4)$ 上为 $f_Y(y)=1/4$,其余为零:$Y$ 在 $[0,4]$ 上是均匀的。陈述变换后的支撑集;表达式 $y/4$ 并非对所有实数 $y$ 都是累积分布函数。
设X在[1,2]上服从均匀分布,且Y = X²。求Y的完整累积分布函数及密度函数。
将概率事件、支撑集、分段常数和计算过程与模型进行比较。修正推理及结果。
三次变换可产生高耸的密度
- 使用相同的三角形 $X$,设 $Y=X^3$。其支撑集为 $[0,8]$,且当 $0\leq y\leq8$ 时 $F_Y(y)=F_X(\sqrt[3]y)=y^{2/3}/4$。
- 对于 $0<y<8$,$f_Y(y)=1/(6y^{1/3})$。它在零附近变得很大,但总面积为 $1$。密度不必是有界的;分配给单个端点的值不会改变概率。
设X在[0,2]上服从均匀分布,且Y = X³。求Y的完整累积分布函数及密度函数,并验证归一化条件。
将概率事件、支撑集、分段常数和计算过程与模型进行比较。修正推理及结果。
对立方根变换所有分支
- 对于使用示例分段密度的 $Y=\sqrt[3]X$,$X=y^3$。支撑集为 $[0,\sqrt[3]4]$,旧断点 $2$ 变为 $\sqrt[3]2$。
- 在内部,$F_Y(y)=F_X(y^3)$ 和 $f_Y(y)=3y^2f_X(y^3)$。因此密度在 $\sqrt[3]2$ 以下为 $y^2$,在 $y^2(4-y^3)/2$ 以上为零,新支撑域之外也为零。保留逆变数的导数因子。
X的概率密度函数在[0,1]上为3x²,其余为零。对于Y = X的立方根,求其完整的累积分布函数和概率密度函数。
将概率事件、支撑集、分段常数和计算过程与模型进行比较。修正推理及结果。
对平方根使用相同方法
- 对于 $Y=\sqrt X$ 使用分块密度函数的计算示例,$X=y^2$,支撑集为 $[0,2]$,断点为 $\sqrt2$。对于支撑集内的 $y$,$F_Y(y)=F_X(y^2)$。
- 微分:$f_Y(y)=2yf_X(y^2)$。这给出了当 $0<y<\sqrt2$ 时 $2y/3$,当 $\sqrt2<y<2$ 时 $y(4-y^2)/3$,其余为零。仅含代换的公式会遗漏链式法则乘数。
X的概率密度函数在[0,1]上为3x²,其余为零。令Y = X的平方根。求Y的完整累积分布函数和概率密度函数。
将概率事件、支撑集、分段常数和计算过程与模型进行比较。修正推理及结果。
倒数需要正有界支撑域
- 设 $X$ 在 $[1,3]$ 和 $Y=1/X$ 上服从均匀分布。该映射是递减的,新支撑域为 $[1/3,1]$。在其内部,$Y\leq y$ 意味着 $X\geq1/y$。
- 因此 $F_Y(y)=(3-1/y)/2$ 和 $f_Y(y)=1/(2y^2)$。累积分布函数在 $1/3$ 下方为 $0$,在 $1$ 上方为 $1$;密度函数在外部为 $0$。正支撑集使不等号反转明确无误。
X 在 [2,5] 上服从均匀分布,且 Y = 1/X。求 Y 的完整累积分布函数和密度函数。
将概率事件、支撑集、分段常数和计算过程与模型进行比较。修正推理及结果。
跨越零点的平方可能有两个原像
- 现在设 $X$ 在 $[-1,2]$ 和 $Y=X^2$ 上服从均匀分布。则 $Y\in[0,4]$,且 $X^2\leq y$ 意味着 $-\sqrt y\leq X\leq\sqrt y$,与 $[-1,2]$ 取交集。
- 因此当 $0\leq y<1$ 时 $F_Y(y)=2\sqrt y/3$,当 $1\leq y\leq4$ 时 $F_Y(y)=(1+\sqrt y)/3$。对每一段分别求导:概率密度函数分别为 $1/(3\sqrt y)$ 和 $1/(6\sqrt y)$。负值原像一旦超过 $\sqrt y>1$ 便不再贡献。
X 在 [−2,3] 上服从均匀分布,且 Y = X²。求 Y 的完整分段累积分布函数和密度函数。
将概率事件、支撑集、分段常数和计算过程与模型进行比较。修正推理及结果。
绝对值也会折叠一个范围
- 当 $X$ 在 $[-1,2]$ 和 $Y=|X|$ 上服从均匀分布时,支撑域为 $[0,2]$。该事件为 $-y\leq X\leq y$,被截断到原始支撑域内。
- 其累积分布函数在 $0\leq y<1$ 时为 $2y/3$,在 $1\leq y\leq2$ 时为 $(1+y)/3$。概率密度函数随后变为 $2/3$ 再变为 $1/3$,其余为零。在较短边结束之前有两个输入值产生贡献;之后仅有一个。
X 在 [−2,3] 上服从均匀分布,且 Y = |X|。求 Y 的完整累积分布函数和密度函数。
将概率事件、支撑集、分段常数和计算过程与模型进行比较。修正推理及结果。
用两种方法检验变换后的概率
- 对于 $X$ 在 $[-1,2]$ 和 $Y=X^2$ 上服从均匀分布的情况,使用推导出的累积分布函数:
- 直接地,$1/2<|X|<3/2$ 给出两个区间,$(-1,-1/2)$ 和 $(1/2,3/2)$,经支撑域截断后。它们的总长度为 $3/2$,除以原始长度 $3$,再次得到 $1/2$。
X在[−2,3]上服从均匀分布,Y = X²。利用变换后的CDF以及X的区间,求P(1/4 < Y < 4)。
将概率事件、支撑集、分段常数和计算过程与模型进行比较。修正推理及结果。
在不求新密度的情况下寻找变换后的矩
- 对于同样的 $X$ 和 $Y=X^2$,一般期望规则给出 $E(Y)=E(X^2)=1$ 和 $E(Y^2)=E(X^4)=11/5$。
- 因此 $\operatorname{Var}(Y)=11/5-1=6/5$。相比之下 $[E(X)]^2=(1/2)^2=1/4$。对均值进行变换通常不同于对变换变量取均值。
X在[−2,3]上服从均匀分布,且Y = X²。求E(Y)和Var(Y),无需推导Y的概率密度函数。
将概率事件、支撑集、分段常数和计算过程与模型进行比较。修正推理及结果。
接受答案前先审计分布
- 密度函数必须非负,且在其所有分段上的积分总和为 $1$。其累积分布函数必须连续、单调不减、具有正确的外部取值,并在每个光滑分段内可导以得到密度函数。
- 对于变换变量,需检查支撑集、移动后的断点、所有有效的反函数分支以及导数乘子。可使用独立事件概率或矩作为二次验证;即使代数运算正确,也应拒绝位于该分支之外的根。
X在[1,2]上服从均匀分布,且Y = 1/X。某提议的内部累积分布函数为F_X(1/y) = 1/y − 1,定义域为[1/2,1]。指出该错误并给出正确的完整累积分布函数与概率密度函数。
将概率事件、支撑集、分段常数和计算过程与模型进行比较。修正推理及结果。
获取面积与事件方法
- 概率是密度函数的面积;期望值是加权积分;百分位数是在已验证的分支上求解累积分布函数方程的结果。分段累积分布函数必须包含之前累积的面积。
- 对于$Y=g(X)$,从$P(g(X)\leq y)$和新支撑集开始。递增、递减和折叠变换会导致不同的事件;只有在确定正确的事件后,才能进行求导。
一个连续分布在 2 到 6 之间服从均匀分布。其中位数是多少?
难度 1/5 · 今日首次完成可获 100 金币及少量额外奖励
2 和 6 的中点是 4。其他选项 — 1(密度曲线下的总面积);1.41(课程中的中位数)。