【分布函数名词解释】在概率论与数理统计中，分布函数是一个非常基础且重要的概念。它用于描述随机变量的取值规律，是研究随机现象的重要工具。通过分布函数，可以了解一个随机变量在某个范围内的概率分布情况，进而进行更深入的分析和推导。
一、分布函数的定义
分布函数（Distribution Function），又称累积分布函数（Cumulative Distribution Function, CDF），通常记作 $ F(x) $，对于一个随机变量 $ X $，其分布函数定义为：
$$
F(x) = P(X \leq x)
$$
其中，$ x $ 是实数，表示随机变量 $ X $ 小于或等于 $ x $ 的概率。
二、分布函数的性质
| 性质 | 描述 |
| 1. 单调性 | $ F(x) $ 是非递减函数，即当 $ x_1 < x_2 $ 时，$ F(x_1) \leq F(x_2) $ |
| 2. 极限性 | 当 $ x \to -\infty $ 时，$ F(x) \to 0 $；当 $ x \to +\infty $ 时，$ F(x) \to 1 $ |
| 3. 右连续性 | $ F(x) $ 在任意点 $ x $ 处右连续，即 $ \lim_{h \to 0^+} F(x + h) = F(x) $ |
| 4. 概率计算 | 对于任意两个实数 $ a < b $，有 $ P(a < X \leq b) = F(b) - F(a) $ |
三、分布函数的类型
根据随机变量的类型，分布函数可分为以下几种：
| 类型 | 随机变量 | 分布函数特点 |
| 离散型分布 | 取值为有限或可数无限个 | 阶梯函数，跳跃点对应可能取值 |
| 连续型分布 | 取值为连续区间内任意值 | 严格单调递增，可导，存在概率密度函数 |
| 混合型分布 | 同时包含离散和连续部分 | 兼具两者特征 |
四、常见分布的分布函数
| 分布名称 | 分布函数表达式 | 说明 |
| 伯努利分布 | $ F(x) = 0 $（x < 0） $ F(x) = 1-p $（0 ≤ x < 1） $ F(x) = 1 $（x ≥ 1） | 适用于二元结果的情况 |
| 正态分布 | $ F(x) = \frac{1}{\sqrt{2\pi\sigma^2}} \int_{-\infty}^{x} e^{-\frac{(t-\mu)^2}{2\sigma^2}} dt $ | 常见于自然和社会科学中 |
| 均匀分布 | $ F(x) = 0 $（x < a） $ F(x) = \frac{x-a}{b-a} $（a ≤ x ≤ b） $ F(x) = 1 $（x > b） | 在区间 [a, b] 上均匀分布 |
| 指数分布 | $ F(x) = 1 - e^{-\lambda x} $（x ≥ 0） | 常用于描述事件发生的时间间隔 |
五、总结
分布函数是描述随机变量概率特性的重要工具，它能够帮助我们理解随机变量在不同取值范围内的概率分布情况。通过对分布函数的研究，我们可以进一步分析随机变量的期望、方差等统计特征，并应用于实际问题的建模与预测中。
无论是离散型还是连续型随机变量，分布函数都具有明确的数学定义和良好的性质，是概率论与统计学中不可或缺的基础概念。