Continuous Probability Density Function
對discrete來說,P(A) = 加總所有outcome的機率 ,也就是SUM(PMF(X=x))對continuous來說,則是積分Probability Density Function,符號是小寫的fx(X)
例如:
Probability Density Function
pdf可以視為是discrete PMF的continuous版本,有三個必須符合的性質:1. 在實數線上的積分(-INF to INF)為1
2. fx(X) >= 0
3. fx(X=x) = 0,這在數學上很明顯,因為同一點做積分一定是0。這一點讓P(X<=x) = P(X<x),以此類推。
舉例來說,如果一個RV X的pdf為 fx(X) = 3,在0 <= x <= 3的區間內,
試問P(0 <= X <= 1/6)?
我們按照continuous probability定義,對pdf積分:
事實上這就是在求density function曲線下的面積!
範例ㄧ
X有此density function:density function圖如下:
P(X > 2) = P(X>=2) :
P(X <=2) = P(X<2) = 1 - P(X>=2) = 1 - e^(-10),如果按照定義算則如下:
沒有留言:
張貼留言