随机变量

随机变量是：把一次随机试验的结果，用一个“数”来表示的规则。

它本身不包含概率规律，只负责“取值”。

随机变量的分布、随机变量的密度函数

随机变量 → 分布 →（离散：概率函数 / 连续：概率密度）

可以理解为：

随机变量：是谁？
分布F（x）：它“怎么随机”，X 取不同数值的可能性有多大？
概率密度：连续情形下，分布的“表达工具”。表示随机变量在 x 附近“挤得有多密”。对于连续型随机变量，概率只能通过分布来得到。

常见误区整理

误区一：概率密度就是概率

错误理解：

认为
$$
f_X(x) = P(X = x)
$$

正确结论：

对于连续型随机变量，单点的概率
$$
P(X = x) = 0
$$

概率密度不是概率，而是“概率的密集程度”。

正确计算概率的方式：
$$
P(a < X < b) = \int_a^b f_X(x),dx
$$

误区二：有了概率密度就不需要分布函数

错误理解：

概率密度函数可以完全代替分布函数。

正确结论：

分布函数才是随机变量分布的根本定义：
$$
F_X(x) = P(X \le x)
$$

连续型随机变量中：
$$
f_X(x) = \frac{d}{dx} F_X(x)
$$

误区三：分布函数一定可导

错误理解：

所有分布函数都有导数。

正确结论：

离散型随机变量：分布函数有跳跃

连续型随机变量：分布函数连续，几乎处处可导

混合型随机变量：二者兼有

只有连续型随机变量才存在概率密度函数。