1.5 概率与统计基础
连续型随机变量
重要程度：8 分
<h2>1.5 概率与统计基础 - 连续型随机变量</h2>
<p><strong>定义：</strong>连续型随机变量是指其取值可以是某个区间内任意数值的随机变量。与离散型随机变量不同，连续型随机变量在任一特定点上的概率为0。</p>
<h3>重要概念</h3>
<ul>
<li><strong>概率密度函数 (PDF, Probability Density Function)</strong>: 描述了连续型随机变量取某一个具体值或落在某一区间内的相对可能性大小。记作 \(f(x)\)，满足 \(\int_{-\infty}^{\infty} f(x) dx = 1\)。</li>
<li><strong>累积分布函数 (CDF, Cumulative Distribution Function)</strong>: 表示随机变量X小于等于x的概率，即\(F(x) = P(X \leq x) = \int_{-\infty}^{x} f(t) dt\)。</li>
</ul>
<h3>常用连续型分布</h3>
<ol>
<li><strong>均匀分布 (Uniform Distribution)</strong>: 在[a, b]区间上等可能地取任何值。<br>
<em>概率密度函数:</em> \(f(x) = \frac{1}{b-a}, a \leq x \leq b\)<br>
<em>累积分布函数:</em> \(F(x) = \frac{x-a}{b-a}, a \leq x \leq b\)
</li>
<li><strong>正态分布 (Normal Distribution)</strong>: 是一种非常重要的分布类型，在自然界和社会科学中广泛存在。<br>
<em>概率密度函数:</em> \(f(x) = \frac{1}{\sigma\sqrt{2\pi}}e^{-\frac{(x-\mu)^2}{2\sigma^2}}\), 其中\(\mu\)为均值，\(\sigma^2\)为方差。<br>
标准正态分布特指当\(\mu=0, \sigma=1\)时的情况。
</li>
</ol>
<h3>例题说明</h3>
<p><strong>题目：</strong>假设X服从参数为μ=50, σ=5的正态分布N(50, 25)。求P(40<X<60)。</p>
<p><strong>解答过程：</strong>
首先标准化X到标准正态变量Z：<br>
\[Z = \frac{X - \mu}{\sigma} = \frac{X - 50}{5}\]<br>
因此，我们需要计算的是：\[P(40 < X < 60) = P(\frac{40-50}{5} < Z < \frac{60-50}{5}) = P(-2 < Z < 2)\]
根据标准正态分布表查找得到：\[P(Z < 2) ≈ 0.9772, P(Z < -2) ≈ 0.0228\]
所以\[P(-2 < Z < 2) = P(Z < 2) - P(Z < -2) = 0.9772 - 0.0228 = 0.9544\]
故答案约为0.9544。</p>
这段HTML代码简明扼要地介绍了《物流数学》第一章“数学基础”中小结1.5关于概率与统计基础里连续型随机变量的重点内容，并通过一个具体的例子加深理解。希望这对您有所帮助！