【分布函数怎么求】在概率论与数理统计中，分布函数是一个非常重要的概念，它描述了随机变量取值小于等于某个值的概率。对于不同的随机变量类型（离散型或连续型），分布函数的求解方法也有所不同。本文将对常见的几种随机变量的分布函数求法进行总结，并通过表格形式清晰展示。
一、分布函数的基本定义
设 $ X $ 是一个随机变量，其分布函数 $ F(x) $ 定义为：
$$
F(x) = P(X \leq x)
$$
其中，$ x \in (-\infty, +\infty) $。
分布函数具有以下性质：
1. 单调不减；
2. 右连续；
3. 当 $ x \to -\infty $ 时，$ F(x) \to 0 $；
4. 当 $ x \to +\infty $ 时，$ F(x) \to 1 $。
二、常见随机变量的分布函数求法
1. 离散型随机变量
对于离散型随机变量 $ X $，其分布函数是分段常数函数，由概率质量函数（PMF）累加得到。
步骤：
- 列出所有可能的取值 $ x_1, x_2, \dots, x_n $；
- 对应的概率为 $ p_1, p_2, \dots, p_n $；
- 分布函数 $ F(x) $ 在每个区间内为前缀和。
示例：
设 $ X $ 的分布列为：
| $ x_i $ | 0 | 1 | 2 |
| $ P(X=x_i) $ | 0.2 | 0.5 | 0.3 |
则分布函数为：
$$
F(x) =
\begin{cases}
0, & x < 0 \\
0.2, & 0 \leq x < 1 \\
0.7, & 1 \leq x < 2 \\
1, & x \geq 2
\end{cases}
$$
2. 连续型随机变量
对于连续型随机变量 $ X $，其分布函数是概率密度函数（PDF）的积分。
步骤：
- 已知概率密度函数 $ f(x) $；
- 分布函数为：
$$
F(x) = \int_{-\infty}^{x} f(t) \, dt
$$
示例：
设 $ X $ 的概率密度函数为：
$$
f(x) =
\begin{cases}
2x, & 0 \leq x \leq 1 \\
0, & \text{其他}
\end{cases}
$$
则分布函数为：
$$
F(x) =
\begin{cases}
0, & x < 0 \\
x^2, & 0 \leq x \leq 1 \\
1, & x > 1
\end{cases}
$$
3. 常见分布的分布函数
| 随机变量类型 | 概率分布 | 分布函数表达式 |
| 伯努利分布 | $ X \sim B(1, p) $ | $ F(x) = \begin{cases} 0, & x < 0 \\ 1-p, & 0 \leq x < 1 \\ 1, & x \geq 1 \end{cases} $ |
| 二项分布 | $ X \sim B(n, p) $ | $ F(x) = \sum_{k=0}^{\lfloor x \rfloor} C_n^k p^k (1-p)^{n-k} $ |
| 泊松分布 | $ X \sim Po(\lambda) $ | $ F(x) = \sum_{k=0}^{\lfloor x \rfloor} \frac{\lambda^k e^{-\lambda}}{k!} $ |
| 均匀分布 | $ X \sim U(a, b) $ | $ F(x) = \begin{cases} 0, & x < a \\ \frac{x-a}{b-a}, & a \leq x \leq b \\ 1, & x > b \end{cases} $ |
| 正态分布 | $ X \sim N(\mu, \sigma^2) $ | $ F(x) = \Phi\left( \frac{x - \mu}{\sigma} \right) $，其中 $ \Phi $ 为标准正态分布函数 |
三、总结
| 类型 | 分布函数定义 | 求法 | 特点 |
| 离散型 | $ F(x) = P(X \leq x) $ | 累加概率质量函数 | 分段常数，跳跃 |
| 连续型 | $ F(x) = \int_{-\infty}^{x} f(t) dt $ | 积分概率密度函数 | 连续可导 |
| 常见分布 | 各有特定形式 | 根据分布类型直接代入公式 | 便于计算和应用 |
四、注意事项
- 分布函数是随机变量的核心特征之一，能够反映变量的整体行为；
- 不同类型的随机变量需采用不同的方法求解；
- 实际应用中，常借助统计软件或查表工具来计算复杂分布函数。
如需进一步了解某类分布的具体计算方法，可结合具体例子进行分析。