目录
18 关系: 导数，似然函数，函数，矩 (數學)，积分，累积分布函数，特征函数 (概率论)，随机变量，连续函数，連續型均勻分布，概率分布，概率质量函数，正态分布，期望值，有界函数，测度，方差，数学。
- 与概率分布相关的函数
- 物理方程式
导数
导数（Derivative）是微积分学中重要的基礎概念。一个函数在某一点的导数描述了这个函数在这一点附近的变化率。导数的本质是通过极限的概念对函数进行局部的线性逼近。当函数f的自变量在一点x_0上产生一个增量h时，函數输出值的增量與自變量增量h的比值在h趋于0时的極限如果存在，即為f在x_0处的导数，记作f'(x_0)、\frac(x_0)或\left.\frac\right|_。例如在运动学中，物体的位移对于时间的导数就是物体的瞬时速度。 导数是函数的局部性质。不是所有的函数都有导数，一个函数也不一定在所有的点上都有导数。若某函数在某一点导数存在，则称其在这一点可导，否则称为不可导。如果函数的自变量和取值都是实数的话，那么函数在某一点的导数就是该函数所代表的曲线在這一点上的切线斜率。 对于可导的函数f，x \mapsto f'(x)也是一个函数，称作f的导函数。寻找已知的函数在某点的导数或其导函数的过程称为求导。反之，已知导函数也可以倒过来求原来的函数，即不定积分。微积分基本定理说明了求原函数与积分是等价的。求导和积分是一对互逆的操作，它们都是微积分学中最为基础的概念。.
查看 機率密度函數和导数
似然函数
在数理统计学中，似然函数是一种关于统计模型中的参数的函数，表示模型参数中的似然性。似然函数在统计推断中有重大作用，如在最大似然估计和费雪信息之中的应用等等。“似然性”与“或然性”或“概率”意思相近，都是指某种事件发生的可能性，但是在统计学中，“似然性”和“或然性”或“概率”又有明确的区分。概率用于在已知一些参数的情况下，预测接下来的观测所得到的结果，而似然性则是用于在已知某些观测所得到的结果时，对有关事物的性质的参数进行估计。 在这种意义上，似然函数可以理解为条件概率的逆反。在已知某个参数B时，事件A会发生的概率写作： 利用-zh-hk:貝葉斯定理;zh-hans:贝叶斯定理;zh-tw:貝氏定理;-， 因此，我们可以反过来构造表示似然性的方法：已知有事件A发生，运用似然函数\mathbb(B \mid A)，我们估计参数B的可能性。形式上，似然函数也是一种条件概率函数，但我们关注的变量改变了： 注意到这里并不要求似然函数满足归一性：\sum_P(A \mid B.
查看 機率密度函數和似然函数
函数
函數在數學中為兩集合間的一種對應關係：輸入值集合中的每項元素皆能對應唯一一項輸出值集合中的元素。例如實數x對應到其平方x2的關係就是一個函數，若以3作為此函數的輸入值，所得的輸出值便是9。 為方便起見，一般做法是以符號f,g,h等等來指代一個函數。若函數f以x作為輸入值，則其輸出值一般寫作f(x)，讀作f of x。上述的平方函數關係寫成數學式記為f(x).
查看 機率密度函數和函数
矩 (數學)
矩，又稱動差，英文為moment。 数学中矩的概念来自于物理学。在物理学中，矩是用来表示物体形状的物理量。矩是用于物体形状识别的重要参数指标。定义在实数域上的实函数相对于值c的n阶矩为: 總的來說，在數學中，矩的概念是用來度量一組具有一定形態特點的點陣。舉個常用的例子，一個“二階矩”，我們在一維上可以測量它的“寬度”；而在更高階的維度上，由於其適用於橢球的空間分佈，我們還可以對點的云結構進行測量和描述。其他的矩用來描述諸如與均值的歪斜分佈情況（偏態），或峰值的分佈情況（峰態）等其他方面的分佈特點。.
积分
积分是微积分学与数学分析裡的一个核心概念。通常分为定积分和不定积分两种。直观地说，对于一个给定的正实值函数 f(x)， f(x)在一个实数区间 上的定积分 可以理解为在 \textstyle Oxy坐标平面上，由曲线 (x,f(x))、直线x.
查看 機率密度函數和积分
累积分布函数
累积分布函数，又叫分布函数，是概率密度函數的积分，能完整描述一個實随机变量X的概率分佈。一般以大寫“CDF”（Cumulative Distribution Function）标记。 對於所有實數x ，累积分布函数定義如下：.
特征函数 (概率论)
在概率论中，任何随机变量的特征函数（缩写：ch.f，复数形式：ch.f's）完全定义了它的概率分布。在实直线上，它由以下公式给出，其中X是任何具有该分布的随机变量： 其中t是一个实数，i是虚数单位，E表示期望值。 用矩母函数MX（t）来表示（如果它存在），特征函数就是iX的矩母函数，或X在虚数轴上求得的矩母函数。 与矩母函数不同，特征函数总是存在。 如果FX是累积分布函数，那么特征函数由黎曼-斯蒂尔切斯积分给出： 在概率密度函数fX存在的情况下，该公式就变为： 如果X是一个向量值随机变量，我们便取自变量t为向量，tX为数量积。 R或Rn上的每一个概率分布都有特征函数，因为我们是在有限测度的空间上对一个有界函数进行积分，且对于每一个特征函数都正好有一个概率分布。 一个对称概率密度函数的特征函数（也就是满足fX(x).
随机变量
給定樣本空间(S, \mathbb)，如果其上的實值函數 X:S \to \mathbb是\mathbb (實值)可測函數，则稱X為（實值）随机变量。初等概率論中通常不涉及到可測性的概念，而直接把任何X:S \to \mathbb的函數稱為随机变量。 如果X指定给概率空间S中每一个事件e有一个实数X(e)，同时针对每一个实数r都有一个事件集合A_r与其相对应，其中A_r.
查看 機率密度函數和随机变量
连续函数
在数学中，连续是函数的一种属性。直观上来说，连续的函数就是当输入值的变化足够小的时候，输出的变化也会随之足够小的函数。如果输入值的某种微小的变化会产生输出值的一个突然的跳跃甚至无法定义，则这个函数被称为是不连续的函数（或者说具有不连续性）。 举例来说，考虑描述一棵树的高度随时间而变化的函数h(t)，那么这个函数是连续的（除非树被砍断）。又例如，假设T(P)表示地球上某一点P的空气温度，则这个函数也是连续的。事实上，古典物理学中有一句格言：“自然界中，一切都是连续的。”相比之下，如果M(t)表述在时间t的时候银行账户上的钱币金额，则这个函数无论在存钱或者取钱的时候都会有跳跃，因此函数M(t)是不连续的。.
查看 機率密度函數和连续函数
連續型均勻分布
連續型均匀分布，如果连续型随机变量\mathit具有如下的概率密度函数，则称\mathit服从上的均匀分布（uniform distribution）,记作X \sim U.
概率分布
概率分布（Wahrscheinlichkeitsverteilung，probability distribution）或簡稱分布，是概率論的一個概念。使用時可以有以下兩種含義：.
查看 機率密度函數和概率分布
概率质量函数
在概率论中，概率质量函数（probability mass function，简写为pmf）是离散随机变量在各特定取值上的概率。概率质量函数和概率密度函数不同之处在于：概率质量函数是对离散随机变量定义的，本身代表该值的概率；概率密度函数是对连续随机变量定义的，本身不是概率，只有对连续随机变量的概率密度函数在某区间内进行积分后才是概率。.
正态分布
常態分布（normal distribution）又名高斯分布（Gaussian distribution），是一個非常常見的連續機率分布。常態分布在统计学上十分重要，經常用在自然和社会科学來代表一個不明的隨機變量。 若隨機變量X服從一個位置參數為\mu、尺度參數為\sigma的常態分布，記為： 則其機率密度函數為 常態分布的數學期望值或期望值\mu等於位置參數，決定了分布的位置；其方差\sigma^2的開平方或標準差\sigma等於尺度參數，決定了分布的幅度。 常態分布的機率密度函數曲線呈鐘形，因此人們又經常稱之為鐘形曲線（类似于寺庙里的大钟，因此得名）。我們通常所說的標準常態分布是位置參數\mu.
查看 機率密度函數和正态分布
期望值
在概率论和统计学中，一个离散性随机变量的期望值（或数学期望、或均值，亦简称期望，物理学中称为期待值）是试验中每次可能的结果乘以其结果概率的总和。换句话说，期望值像是随机试验在同样的机会下重复多次，所有那些可能狀態平均的结果，便基本上等同“期望值”所期望的數。需要注意的是，期望值并不一定等同于常识中的“期望”——“期望值”也许与每一个结果都不相等。（换句话说，期望值是该变量输出值的平均数。期望值并不一定包含于变量的输出值集合裡。） 例如，掷一枚公平的六面骰子，其每次「點數」的期望值是3.5，计算如下： \operatorname(X)&.
查看 機率密度函數和期望值
有界函数
定义在集合X上的函数称为有界的，如果它所有的值所组成的集合是有界的。也就是说，存在一个数M>0，使得对于X中的所有x，都有 有时，如果对于X中的所有x，都有f(x)\le A，则函数称为上有界的，A就是它的上界。另一方面，如果对于X中的所有x，都有f(x)\ge B，则函数称为下有界的，B就是它的下界。 一个特例是有界数列，其中X是所有自然数所组成的集合N。所以，一个数列f.
查看 機率密度函數和有界函数
测度
数学上，测度（Measure）是一个函数，它对一个给定集合的某些子集指定一个数，这个数可以比作大小、体积、概率等等。传统的积分是在区间上进行的，后来人们希望把积分推广到任意的集合上，就发展出测度的概念，它在数学分析和概率论有重要的地位。 测度论是实分析的一个分支，研究对象有σ代数、测度、可测函数和积分，其重要性在概率论和统计学中都有所体现。.
查看 機率密度函數和测度
方差
方差（Variance），應用數學裡的專有名詞。在概率论和统计学中，一个随机变量的方差描述的是它的离散程度，也就是该变量离其期望值的距离。一个实随机变量的方差也称为它的二阶矩或二階中心動差，恰巧也是它的二阶累积量。這裡把複雜說白了，就是將各個誤差將之平方（而非取絕對值，使之肯定為正數），相加之後再除以總數，透過這樣的方式來算出各個數據分佈、零散（相對中心點）的程度。繼續延伸的話，方差的算术平方根称为该随机变量的标准差（此為相對各個數據點間）。.
查看 機率密度函數和方差
数学
数学是利用符号语言研究數量、结构、变化以及空间等概念的一門学科，从某种角度看屬於形式科學的一種。數學透過抽象化和邏輯推理的使用，由計數、計算、量度和對物體形狀及運動的觀察而產生。數學家們拓展這些概念，為了公式化新的猜想以及從選定的公理及定義中建立起嚴謹推導出的定理。 基礎數學的知識與運用總是個人與團體生活中不可或缺的一環。對數學基本概念的完善，早在古埃及、美索不達米亞及古印度內的古代數學文本便可觀見，而在古希臘那裡有更為嚴謹的處理。從那時開始，數學的發展便持續不斷地小幅進展，至16世紀的文藝復興時期，因为新的科學發現和數學革新兩者的交互，致使數學的加速发展，直至今日。数学并成为許多國家及地區的教育範疇中的一部分。 今日，數學使用在不同的領域中，包括科學、工程、醫學和經濟學等。數學對這些領域的應用通常被稱為應用數學，有時亦會激起新的數學發現，並導致全新學科的發展，例如物理学的实质性发展中建立的某些理论激发数学家对于某些问题的不同角度的思考。數學家也研究純數學，就是數學本身的实质性內容，而不以任何實際應用為目標。雖然許多研究以純數學開始，但其过程中也發現許多應用之处。.
查看 機率密度函數和数学
另见
与概率分布相关的函数
- 概率母函数
- 機率密度函數
- 特征函数 (概率论)
- 累积分布函数
- 误差函数
物理方程式
- 主方程式
- 克莱因-戈尔登方程
- 冷却定律
- 本構關係
- 格林函數
- 機率密度函數
- 歐拉運動定律
- 波动方程
- 漂移–扩散方程
- 热力学第一定律
- 热力学第二定律
- 爱因斯坦场方程
- 牛顿运动定律
- 状态方程
- 系综
- 索末菲展开
- 色散关系
- 费米黄金定则
- 运动方程
- 配分函数
- 閔考斯基時空
- 電磁波方程式
- 馬克士威方程組
亦称为 密度函數。