概率分布函数就是概率密度函数

累计分布函数:

概率密度函数从负无穷到xxx积分,得到的是累计分布函数


如何通俗的理解概率密度函数?

首先考虑这样一个问题,你点了一个外卖,外卖说会在两个小时送达。那么送达的时间如下图(本次问题不考虑你进行催单和其他特殊情况,请勿抬杠)


若外卖在第30分钟到60分钟送达那么概率是多少呢?没错是(60-30)/120=1/4,我们是怎么判断的呢?

我们通过面积判断 ,如下图:(⚠️注意第二张图与第一张图相比,只是我标明了纵坐标而已,其他并没有什么变化,而且其实我们知道纵坐标不影响目前我们求出概率,毕竟都是一样的纵坐标)


上述面积直接可以看出来,然后用阴影面积比上总面积就可以了。

但是,如果面积是这样样子的呢?


还是一样嘛,还是面积之比。没错!只不过这里我们想要求面积要用到积分来求,既然要积分,总得给我个函数吧,不然不是在欺负老实人吗。于是给你一个函数f(x)f(x)f(x),你去分别积分,就可以求出面积了,最后一比就是概率了。

大家注意到了吗?我的第二张图和第三张图的总面积都是1,这就是玄妙所在。

我们可以知道:第二张图的f(x)f(x)f(x)如下:


而第三张图的就是默认的f(x)f(x)f(x)。这里大家根据第二张图和第三张图计算可以得出两个结论:

  • 1.f(x)f(x)f(x)总是≥0
  • 2 .从负无穷到正无穷对f(x)f(x)f(x)积分面积始终为1

这里f(x)f(x)f(x)就是我们所说的概率密度函数,重点是⚠️我们一直所说的概率密度函数就是只我们想要求面积时候的那个图形的表达式。(牢记这句话你就不会在概率密度函数上犯迷糊)

如果按照我们课本上面的直接上来就给你一个公式,如下


然后告诉你f(x)f(x)f(x)就是概率密度函数,我当时学习的时候也是很迷糊啊,凭什么就说f(x)f(x)f(x)概率密度函数了,而且上来就是个积分(F(x)F(x)F(x)为分布范围)。

现在我们知道了:

  • 1.f(x)>=0f(x)>=0f(x)>=0是因为不管啥时候概率不能是负的吧
  • 2.f(x)f(x)f(x)从负无穷到正无穷的积分为什么一定要是1,因为我们要保证总的概率为1。通过这两个条件我们给出了概率密度函数的限定条件。

另外给出两个常见概率密度函数图像及其分布函数的图像



你可以看到f(x)f(x)f(x)是不是都满足上述两个条件。

【数学与算法】如何通俗的理解概率密度函数相关推荐

  1. 如何通俗的理解概率密度函数?

    转载自:https://www.zhihu.com/question/263467674  侵删 作者:我不知道 链接:https://www.zhihu.com/question/263467674 ...

  2. 通俗理解概率密度函数

    0.前言 概率密度函数是描述连续随机变量的分布的工具,但是因为它是个"密度",没有概率分布那么直观,下面就用通俗的说法理解概率密度函数. 1.从离续变量出发 1.1 离散随机变量 ...

  3. 二维均匀分布的边缘密度函数_理解概率密度函数

    原创声明:本文为 SIGAI 原创文章,仅供个人学习使用,未经允许,不能用于商业目的. 其它机器学习.深度学习算法的全面系统讲解可以阅读<机器学习-原理.算法与应用>,清华大学出版社,雷明 ...

  4. 通俗理解:概率分布函数、概率密度函数

    这篇文章通俗地解释了概率论的两个基石函数:概率分布函数.概率密度函数,建议不熟悉的同学,认真阅读. 1 先从离散型随机变量和连续性随机变量说起 对于如何分辨离散型随机变量和连续性随机变量,在贾俊平老师 ...

  5. 神经网络入门(最通俗的理解神经网络)

    先从回归(Regression)问题说起.我在本吧已经看到不少人提到如果想实现强AI,就必须让机器学会观察并总结规律的言论.具体地说,要让机器观察什么是圆的,什么是方的,区分各种颜色和形状,然后根据这 ...

  6. 数学建模算法学习笔记 已完结

    这是为了准备国赛突击学习的模型算法,我在原有的基础上加上自己的理解虽然不知道对不对,就是为了记录下自己学的模型他究竟是个什么东西,语言通俗,但是极不准确,只适合做一个大概的了解,建议大家详细的还是要看 ...

  7. 【深度学习】神经网络入门(最通俗的理解神经网络)

    form:http://tieba.baidu.com/p/3013551686?pid=49703036815&see_lz=1# 先从回归(Regression)问题说起.我在本吧已经看到 ...

  8. NLP技术路线详解:这是从数学到算法的艺术

    自然语言处理路线图详解,从数学基础.语言基础到模型和算法,这是你该了解的知识领域. 自然语言处理很多时候都是一门综合性的学问,它远远不止机器学习算法.相比图像或语音,文本的变化更加复杂,例如从预处理来 ...

  9. 【线性代数】通俗的理解奇异值以及与特征值的区别,还有奇异值分解及其应用

    奇异值分解,就是把矩阵分成多个"分力".奇异值的大小,就是各个"分力"的大小. 之前在介绍矩阵特征值与特征向量的时候,也是以运动作为类比. 一.通俗理解奇异值 ...

最新文章

  1. ios wkwebview弹框_iOS WKWebView的javascript alert 不弹的解决方案
  2. Android下intent的setdata、settype和setdataandtype函数
  3. php 安装curl init,linux下为php添加curl扩展的方法及curl_init函数用法案例详解
  4. [置顶]       加载事件js代码
  5. 重学C语言_数据结构与基础语法
  6. 白盒测试和黑盒测试_黑盒测试与白盒测试的比较
  7. 快速沃尔什变换:从入门到背板(含推导过程)
  8. Unity3D 物体移动方法总结
  9. php validate form,laravel 中validate验证规则 利用FormRequest进行数据验证
  10. php服务模块在nginx中的安装失败,在已安装的nginx中添加模块
  11. UGUI——基本组件
  12. 软件工程项目____搜查令
  13. PS使用:利用PS制作旋转水晶球gif图
  14. C语言经典例17-统计字符个数
  15. 帝国 php 7.0 默认 后台用户名及认证码,帝国CMS忘记后台登陆用户名 密码 认证码 安全提问答案 数据库用户名及密码的解决方法 | 坐倚北风...
  16. excel如何使用COUNTIF进行条件计数
  17. 4.2网际协议IP(IPv4)
  18. 为什么 JS 对象内部属性遍历的顺序乱了
  19. 蓝牙设备删除失败处理方式
  20. 『无为则无心』Python函数 — 32、递归

热门文章

  1. 【android-tips】如何在android应用中插入百度广告(附源码)
  2. 第一章 初识Mysql
  3. Docker源码分析(二):Docker Client创建与命令执行
  4. 量化派基于Hadoop、Spark、Storm的大数据风控架构--转
  5. Linux下history命令详解---转载
  6. weblogic升级之ddconverter
  7. 机器学习算法加强——回归
  8. 【大数据-Hadoop】dbeaver
  9. 反欺诈评分模型之手机终端
  10. 经验传承:谈色彩设计方法