【分布函數怎么求】在概率論與數理統計中，分布函數是一個非常重要的概念，用于描述隨機變量的取值概率分布情況。無論是離散型隨機變量還是連續型隨機變量，都可以通過分布函數來刻畫其概率特性。本文將總結“分布函數怎么求”的方法，并以表格形式進行歸納。
一、什么是分布函數？
分布函數（Cumulative Distribution Function, CDF）通常記作 $ F(x) $，定義為：
$$
F(x) = P(X \leq x)
$$
即：對于任意實數 $ x $，分布函數表示隨機變量 $ X $ 小于等于 $ x $ 的概率。
二、如何求分布函數？
根據隨機變量的類型不同，求分布函數的方法也有所不同。下面分別介紹離散型和連續型隨機變量的分布函數求法。
1. 離散型隨機變量的分布函數
對于離散型隨機變量 $ X $，其可能取值為 $ x_1, x_2, ..., x_n $，對應的概率分別為 $ p_1, p_2, ..., p_n $，則分布函數 $ F(x) $ 可以表示為：
$$
F(x) = \sum_{x_i \leq x} p_i
$$
即：將所有小于等于 $ x $ 的點的概率相加。
2. 連續型隨機變量的分布函數
對于連續型隨機變量 $ X $，其概率密度函數為 $ f(x) $，則分布函數 $ F(x) $ 是概率密度函數的積分：
$$
F(x) = \int_{-\infty}^{x} f(t) dt
$$
即：從負無窮到 $ x $ 的積分結果就是該點的分布函數值。
三、總結對比表
| 類型 | 分布函數定義 | 計算方式 | 示例說明 |
| 離散型 | $ F(x) = P(X \leq x) $ | 累加小于等于 $ x $ 的概率 | 若 $ X $ 取 0,1,2，概率為 0.2, 0.5, 0.3，則 $ F(1) = 0.2 + 0.5 = 0.7 $ |
| 連續型 | $ F(x) = \int_{-\infty}^{x} f(t) dt $ | 對概率密度函數積分 | 若 $ f(x) = 2x $ 在 [0,1] 區間內，則 $ F(0.5) = \int_0^{0.5} 2t dt = 0.25 $ |
四、注意事項
- 分布函數是單調不減的函數。
- 當 $ x \to -\infty $ 時，$ F(x) \to 0 $；當 $ x \to +\infty $ 時，$ F(x) \to 1 $。
- 對于連續型變量，分布函數是連續的；對于離散型變量，分布函數是階梯函數。
五、實際應用舉例
假設有一個隨機變量 $ X $，服從伯努利分布，即 $ X = 1 $ 的概率為 0.6，$ X = 0 $ 的概率為 0.4。
那么它的分布函數為：
- $ F(x) = 0 $，當 $ x < 0 $
- $ F(x) = 0.4 $，當 $ 0 \leq x < 1 $
- $ F(x) = 1 $，當 $ x \geq 1 $
六、結語
掌握分布函數的求法是學習概率統計的基礎。無論面對哪種類型的隨機變量，只要理解了分布函數的定義和計算方式，就能更好地分析隨機現象的概率特性。希望本文對您有所幫助。
