【概率密度的表達(dá)式】在概率論與統(tǒng)計(jì)學(xué)中，概率密度函數(shù)（Probability Density Function, PDF）是描述連續(xù)隨機(jī)變量的概率分布的重要工具。與離散型隨機(jī)變量的概率質(zhì)量函數(shù)不同，連續(xù)型隨機(jī)變量的概率密度函數(shù)并不直接表示某個(gè)具體值的概率，而是表示該變量在某一區(qū)間內(nèi)取值的可能性密度。
為了更好地理解各種常見分布的概率密度表達(dá)式，以下是對幾種典型分布的概率密度函數(shù)進(jìn)行總結(jié)，并以表格形式展示。
一、概率密度函數(shù)的基本概念
概率密度函數(shù) $ f(x) $ 是一個(gè)非負(fù)函數(shù)，滿足以下兩個(gè)條件：
1. $ f(x) \geq 0 $，對所有 $ x \in \mathbb{R} $
2. $ \int_{-\infty}^{\infty} f(x) \, dx = 1 $
對于任意實(shí)數(shù) $ a < b $，變量 $ X $ 落在區(qū)間 $ [a, b] $ 內(nèi)的概率為：
$$
P(a \leq X \leq b) = \int_{a}^{b} f(x) \, dx
$$
二、常見分布的概率密度表達(dá)式
| 分布名稱 | 概率密度函數(shù) $ f(x) $ | 定義域 | 參數(shù)說明 |
| 均勻分布 | $ f(x) = \frac{1}{b - a} $ | $ a \leq x \leq b $ | $ a, b $ 為區(qū)間端點(diǎn) |
| 正態(tài)分布 | $ f(x) = \frac{1}{\sqrt{2\pi\sigma^2}} e^{-\frac{(x-\mu)^2}{2\sigma^2}} $ | $ x \in \mathbb{R} $ | $ \mu $：均值；$ \sigma $：標(biāo)準(zhǔn)差 |
| 指數(shù)分布 | $ f(x) = \lambda e^{-\lambda x} $ | $ x \geq 0 $ | $ \lambda > 0 $：速率參數(shù) |
| 伽瑪分布 | $ f(x) = \frac{\beta^\alpha}{\Gamma(\alpha)} x^{\alpha-1} e^{-\beta x} $ | $ x \geq 0 $ | $ \alpha > 0 $：形狀參數(shù)；$ \beta > 0 $：尺度參數(shù) |
| 伯努利分布 | $ f(x) = p^x (1-p)^{1-x} $ | $ x = 0, 1 $ | $ p \in [0, 1] $：成功概率 |
| 二項(xiàng)分布 | $ f(x) = C_n^x p^x (1-p)^{n-x} $ | $ x = 0, 1, ..., n $ | $ n $：試驗(yàn)次數(shù)；$ p $：成功概率 |
| 泊松分布 | $ f(x) = \frac{\lambda^x e^{-\lambda}}{x!} $ | $ x = 0, 1, 2, ... $ | $ \lambda > 0 $：平均發(fā)生率 |
三、小結(jié)
概率密度函數(shù)是分析連續(xù)隨機(jī)變量行為的核心工具，不同的分布對應(yīng)不同的數(shù)學(xué)表達(dá)式。通過理解這些表達(dá)式，可以更準(zhǔn)確地建模現(xiàn)實(shí)世界中的隨機(jī)現(xiàn)象。掌握各類分布的概率密度函數(shù)不僅有助于理論學(xué)習(xí)，也對實(shí)際應(yīng)用（如數(shù)據(jù)分析、機(jī)器學(xué)習(xí)等）具有重要意義。
在實(shí)際使用中，應(yīng)根據(jù)問題背景選擇合適的分布模型，并結(jié)合數(shù)據(jù)進(jìn)行參數(shù)估計(jì)與假設(shè)檢驗(yàn)，以提高模型的準(zhǔn)確性與適用性。