累積分佈函數(英語:cumulative distribution function,CDF)或概率分佈函數,簡稱分佈函數,是概率密度函數的積分,能完整描述一個實隨機變量的概率分佈。
在標量連續分佈的情況下,它給出了從負無窮到的概率密度函數下的面積。 累積分佈函數也用於指定多元隨機變量的分佈。
定義
對於所有實數值的隨機變量 ,累積分佈函數定義如下[1]:p. 77:
| | Eq.1 |
其中右側表示隨機變量取值小於或等於的概率。
對於位於半閉區間 的概率,其中,因此定義是[1]:p. 84:
| | Eq.2 |
在上面的定義中,「小於或等於」符號「≤」是一種約定,不是普遍使用的(例如匈牙利文獻使用「<」),但這種區別對於離散分佈很重要。二項式分佈和泊松分佈的表格的正確使用取決於此約定。此外,像數學家保羅·皮埃爾·萊維(Paul Lévy)的特徵函數反演公式等重要公式也依賴於「小於或等於」公式。
性質
- 有界性[2]
- 單調性:
- 右連續性:
之值落在一區間之內的概率為
一隨機變量的CDF與其PDF的關係為
反函數
若累積分佈函數 是連續的嚴格增函數,則存在其反函數。累積分佈函數的反函數可以用來生成服從該隨機分佈的隨機變量。設若是概率分佈的累積分佈函數,並存在反函數。若是區間上均勻分佈的隨機變量,則服從分佈。
互補累積分佈函數
互補累積分佈函數(complementary cumulative distribution function、CCDF),是對連續函數,所有大於的值,其出現概率的和。
參見
參考
Park, Kun Il. Fundamentals of Probability and Stochastic Processes with Applications to Communications. Springer. 2018. ISBN 978-3-319-68074-3.