英語翻譯：

【計】 distribution function
【化】 distribution function

分詞翻譯：

分的英語翻譯：

cent; dispart; distribute; divide; marking; minute
【計】 M
【醫】 deci-; Div.; divi-divi

布的英語翻譯：

cloth; fabric
【建】 cloth

函數的英語翻譯：

function
【計】 F; FUNC; function

專業解析

在概率論與統計學中，分布函數（Distribution Function），又稱累積分布函數（Cumulative Distribution Function, CDF），是描述隨機變量取值概率分布特征的核心函數。其定義如下：

一、中文定義與漢字解析

• 分布：指隨機變量所有可能取值及其對應概率的總體安排或布局。
• 函數：指一個數學關系，将輸入值（隨機變量的取值）映射到輸出值（累積概率）。
• 核心定義：設 ( X ) 是一個隨機變量，則其分布函數 ( F(x) ) 定義為： $$ F(x) = P(X leq x) $$ 即 ( F(x) ) 表示隨機變量 ( X ) 取值小于或等于實數 ( x ) 的概率。該函數完整刻畫了 ( X ) 的統計規律性。

二、英文術語對應

• Distribution Function：直譯為“分布函數”，是中文術語的直接對應。
• Cumulative Distribution Function (CDF)：更精确和常用的英文術語，強調其“累積”特性——計算的是從最小值到點 ( x ) 的所有概率之和。這是國際學術界和工程實踐中的标準稱謂。

三、數學特性與意義

1. 單調非減性：若 ( x_1 < x_2 )，則 ( F(x_1) leq F(x_2) )。
2. 右連續性：( F(x) ) 在其定義域内是右連續的。
3. 極限值： $$ lim{x to -infty} F(x) = 0, quad lim{x to +infty} F(x) = 1 $$
4. 概率計算：利用CDF可計算隨機變量落在任意區間 ( (a, b] ) 的概率： $$ P(a < X leq b) = F(b) - F(a) $$
5. 類型涵蓋：CDF統一描述了離散型隨機變量（取值可數）和連續型隨機變量（取值充滿區間）的概率分布。離散型的CDF是階梯函數，連續型的CDF通常是連續函數。

權威參考來源：

1. 《概率論與數理統計》（浙大版·第四版）：中國高等教育經典教材，第50-53頁對分布函數的定義、性質有系統闡述。來源：高等教育出版社。
2. Springer MathWorld - “Cumulative Distribution Function”：國際權威數學百科全書條目，提供精确定義、性質及圖示。來源：SpringerLink。
3. NIST Engineering Statistics Handbook：美國國家标準與技術研究院手冊，第1.3.6.2節明确定義CDF及其應用。來源：NIST Statistical Handbook。
4. ISO 3534-1:2006 Statistics Vocabulary：國際标準術語，将CDF定義為标準術語（條款2.11）。來源：International Organization for Standardization。

網絡擴展解釋

分布函數是概率論與數理統計中的核心概念，主要用于描述隨機變量的概率分布特性。以下是詳細解釋：

一、定義

分布函數（Cumulative Distribution Function, CDF）定義為：對于隨機變量(X)，其分布函數(F(x))表示(X)取值小于等于(x)的概率，即： $$ F(x) = P(X leq x) $$

二、核心性質

1. 有界性：(0 leq F(x) leq 1)
2. 單調不減性：若(x_1 < x_2)，則(F(x_1) leq F(x_2))
3. 右連續性：(lim_{h to 0^+} F(x+h) = F(x))
4. 極限行為：
   • (lim_{x to -infty} F(x) = 0)
   • (lim_{x to +infty} F(x) = 1)

三、分類與特點

1. 離散型分布函數
   對應離散型隨機變量（如抛骰子結果），表現為階梯函數。例如二項分布的CDF是分段常數函數，在離散點處跳躍。

2. 連續型分布函數
   對應連續型隨機變量（如身高測量值），是絕對連續函數，可導且導數對應概率密度函數（PDF）。例如正态分布的CDF： $$ F(x) = frac{1}{sigma sqrt{2pi}} int_{-infty}^x e^{-frac{(t-mu)}{2sigma}} dt $$

四、應用場景

1. 概率計算：計算區間概率(P(a < X leq b) = F(b) - F(a))
2. 統計推斷：用于構建置信區間、假設檢驗
3. 隨機數生成：通過逆變換法将均勻分布轉換為目标分布

五、與其他概念的關系

• 與PDF的關系：對連續型變量，PDF是CDF的導數，即(f(x) = frac{d}{dx}F(x))
• 與分位數的聯繫：分位數函數是CDF的反函數

例如，某考試成績服從正态分布(N(75, 10))，若想計算及格率(P(X geq 60))，可通過(1 - F(60))實現，其中(F(60))可通過查标準正态分布表或軟件計算。

分類

ABCDEFGHIJKLMNOPQRSTUVWXYZ

别人正在浏覽...

【别人正在浏覽】