概率论期末救急：3个最容易混淆的‘分布函数’与‘密度函数’题型详解（附解题模板）-洪萨配资

概率论期末救急：3个最容易混淆的‘分布函数’与‘密度函数’题型详解（附解题模板）

期末考试临近，许多同学在面对概率论中的分布函数F(x)和密度函数p(x)相关题目时常常感到困惑。这两种函数在概念上紧密相关，但在具体应用和计算中又有显著区别。本文将针对三种最容易混淆的题型进行详细解析，并提供实用的解题模板，帮助你在考场上快速识别题目类型并准确作答。

1. 分布函数与密度函数的基本概念辨析

在深入探讨具体题型之前，我们首先需要明确分布函数和密度函数的定义及其相互关系。

分布函数F(x)（累积分布函数）定义为： F(x) = P(X ≤ x)

它具有以下性质：

单调不减
右连续
lim(x→-∞)F(x)=0, lim(x→+∞)F(x)=1

密度函数p(x)（概率密度函数）则满足：

p(x) ≥ 0
∫(-∞,+∞)p(x)dx = 1
对于连续型随机变量，F(x) = ∫(-∞,x)p(t)dt

两者关系的关键点：

对于连续型随机变量，F'(x) = p(x)（在F(x)可导的点）
对于离散型随机变量，没有密度函数的概念，但有概率质量函数

注意：很多同学容易混淆离散型和连续型情况下两者的关系，这是第一个常见误区。

2. 题型一：由密度函数求分布函数（连续型）

这是最基础的题型，也是考试中出现频率最高的一类题目。解题步骤如下：

确定密度函数p(x)的定义域
根据F(x)=∫(-∞,x)p(t)dt，分段计算积分
注意在定义域边界处的连续性

解题模板：

给定 p(x) = { f₁(x), a < x < b f₂(x), c < x < d 0, 其他 } 则 F(x) = { 0, x ≤ a ∫_{a}^{x} f₁(t)dt, a < x ≤ b ∫_{a}^{b} f₁(t)dt + ∫_{b}^{x} f₂(t)dt, b < x ≤ d 1, x > d }

例题解析：设随机变量X的密度函数为： p(x) = { 2x, 0 < x < 1 0, 其他 } 求分布函数F(x)

解：当x ≤ 0时，F(x) = 0 当0 < x < 1时，F(x) = ∫₀ˣ 2t dt = x² 当x ≥ 1时，F(x) = 1

因此： F(x) = { 0, x ≤ 0 x², 0 < x < 1 1, x ≥ 1 }

常见错误：忘记检查F(x)在边界点x=0和x=1处的值是否一致（本例中F(0⁻)=0=F(0⁺)，F(1⁻)=1=F(1⁺)）

3. 题型二：由分布函数求概率（离散型与连续型的混合情况）

这类题目常常考察学生对分布函数定义的理解，特别是离散型和连续型的区别。关键点在于：

对于连续型随机变量：P(a < X ≤ b) = F(b) - F(a)
对于离散型随机变量：P(X = x₀) = F(x₀) - F(x₀⁻)

解题模板：

问题类型	计算公式	注意事项
P(X ≤ a)	F(a)	直接使用定义
P(X < a)	F(a⁻)	对于连续型等于F(a)
P(X = a)	F(a) - F(a⁻)	连续型时为0
P(a < X ≤ b)	F(b) - F(a)	最常用的公式
P(a ≤ X ≤ b)	F(b) - F(a⁻)	包含端点的情况

例题解析：设随机变量X的分布函数为： F(x) = { 0, x < -1 0.2, -1 ≤ x < 0 0.5, 0 ≤ x < 2 1, x ≥ 2 } 求P(X = 0)

解： P(X = 0) = F(0) - F(0⁻) = 0.5 - 0.2 = 0.3

易错点：很多同学会误用连续型的思路，认为P(X=0)=0，而忽略了这是一个混合型或离散型的情况。

4. 题型三：密度函数与分布函数的综合应用（求期望、方差等）

这类题目通常结合密度函数、分布函数以及随机变量函数的期望、方差等概念进行综合考察。解题要点：

明确使用密度函数还是分布函数
期望的计算：E[g(X)] = ∫g(x)p(x)dx（连续型）或 Σg(xᵢ)p(xᵢ)（离散型）
可以利用分布函数计算期望：E[X] = ∫[1-F(x)]dx - ∫F(x)dx（适用于非负随机变量）

解题模板：

给定密度函数p(x)，求E[g(X)]: 1. 确定g(X)的表达式 2. 计算E[g(X)] = ∫_{-∞}^{+∞} g(x)p(x)dx 3. 如果是分段函数，需要分段积分 给定分布函数F(x)，求E[X]（X≥0）: E[X] = ∫_{0}^{+∞} [1-F(x)]dx

例题解析：设随机变量X的密度函数为： p(x) = { e^{-x}, x > 0 0, x ≤ 0 } 求E[X²]

解： E[X²] = ∫₀^∞ x²e^{-x}dx = Γ(3) = 2! = 2

技巧提示：对于指数分布、正态分布等常见分布，记住它们的矩生成函数或特征函数可以大大简化计算。

5. 实战演练与易错点总结

为了巩固上述知识，我们来看一个综合性的例题：

综合例题：设随机变量X的分布函数为： F(x) = { 0, x < 0 x/2, 0 ≤ x < 1 1/2, 1 ≤ x < 2 (x-1)/2, 2 ≤ x < 3 1, x ≥ 3 }

(1) 求P(0.5 < X ≤ 2.5) (2) 求P(X = 1) (3) 判断X是离散型、连续型还是混合型 (4) 求E[X]

解： (1) P(0.5 < X ≤ 2.5) = F(2.5) - F(0.5) = (2.5-1)/2 - 0.5/2 = 0.75 - 0.25 = 0.5

(2) P(X = 1) = F(1) - F(1⁻) = 0.5 - 0.5 = 0

(3) 因为F(x)在x=1处连续(F(1⁻)=0.5=F(1))，但在x=2处不连续(F(2⁻)=0.5≠F(2)=0.5)，且在其他区间可导，所以X是混合型随机变量。

(4) 首先求密度函数p(x)：在0<x<1，p(x)=F'(x)=1/2 在2<x<3，p(x)=F'(x)=1/2 其他点为0或概率质量

E[X] = ∫x p(x)dx + ΣxᵢP(X=xᵢ) = ∫₀¹ (x/2)dx + ∫₂³ (x/2)dx + 1×0 + 2×(F(2)-F(2⁻)) = [x²/4]₀¹ + [x²/4]₂³ + 2×(0.5-0.5) = 1/4 + (9/4 - 4/4) + 0 = 1/4 + 5/4 = 1.5

常见易错点总结：

定义域错误：忘记密度函数或分布函数的定义域限制，特别是在分段函数情况下。
连续性与可导性混淆：误认为分布函数连续就意味着对应的随机变量是连续型的。
概率计算混淆：
- 错误使用P(a ≤ X ≤ b) = F(b) - F(a)（应为F(b) - F(a⁻)）
- 对P(X = x₀)的计算方法不清楚
期望计算错误：
- 对混合型随机变量的期望计算不正确
- 忽略了某些点上的概率质量
归一性检查遗漏：忘记验证∫p(x)dx=1或F(+∞)=1