累积分布函数

累积分布函数（英语：cumulative distribution function，CDF）或概率分布函数，简称分布函数，是概率密度函数的积分，能完整描述一个实随机变量$X$的概率分布。

指数分布的累积分布函数

常态分布的累积分布函数

在标量连续分布的情况下，它给出了从负无穷到$x$的概率密度函数下的面积。 累积分布函数也用于指定多元随机变量的分布。

定义

对于所有实数值的随机变量$X$ ，累积分布函数定义如下：

$$F_{X}(x)=\operatorname {P} (X\leq x)$$

Eq.1

其中右侧表示随机变量$X$取值小于或等于$x$的概率。

对于$X$位于半闭区间$(a,b]$ 的概率，其中$a<b$，因此定义是:

$$\operatorname {P} (a<X\leq b)=F_{X}(b)-F_{X}(a)$$

Eq.2

在上面的定义中，“小于或等于”符号“≤”是一种约定，不是普遍使用的（例如匈牙利文献使用“<”），但这种区别对于离散分布很重要。二项式分布和泊松分布的表格的正确使用取决于此约定。此外，像数学家保罗·皮埃尔·莱维(Paul Lévy)的特征函数反演公式等重要公式也依赖于“小于或等于”公式。

性质

• 有界性
  • $\lim _{x\to -\infty }F_{X}(x)=0$
  • $\lim _{x\to +\infty }F_{X}(x)=1$
• 单调性：
  • $F_{X}(x_{1})\leq F_{X}(x_{2}),\ {\mbox{if}}\,x_{1}<x_{2}$
• 右连续性：
  • $\lim _{x\rightarrow x_{0}^{+}}F_{X}(x)=F_{X}(x_{0})$

$X$之值落在一区间$(a,b]$之内的概率为

$\operatorname {P} (a<X\leq b)=F_{X}(b)-F_{X}(a)$

一随机变量$X$的CDF与其PDF的关系为

$F_{X}(x)=\int _{-\infty }^{x}f_{X}(t)\,dt$

反函数

若累积分布函数 $F$ 是连续的严格增函数，则存在其反函数$F^{-1}(y),y\in [0,1]$。累积分布函数的反函数可以用来生成服从该随机分布的随机变量。设若$F_{X}(x)$是概率分布$X$的累积分布函数，并存在反函数$F_{X}^{-1}$。若$a$是$[0,1)$区间上均匀分布的随机变量，则$F_{X}^{-1}(a)$服从$X$分布。

互补累积分布函数

互补累积分布函数（complementary cumulative distribution function、CCDF），是对连续函数，所有大于$a$的值，其出现概率的和。

$F(a)=P(x>a)$

参见

• 概率密度函数
• 概率质量函数