機率密度函數(p.d.f.,probability density function)描述了隨機變數的機率分佈,為累積分佈函數的導函數。 [編輯]定義對於一維實隨機變數 X,任何一個滿足下列條件的函數都可以被定義為其機率密度函數:
一束粒子被一個障礙物﹝位於x = 0﹞給分散,其波函數為下:
Ψ(x, t) = Ae-iEt/h[當 x
Ψ(x, t) = e-iEt/h( Beikx Ce-ikx) [當 x> 0 ]
其中 E = h2k2/( 2m ) 及 k > 0,A、B及C為複雜係數 (complex coefficient)。
﹝其中的「h」為「h-bar」,就是h上面一橫﹞
(a) 算出其機率密度 p(x, t)當x
(b) 算出其機率流密度 j(x, t)當x
(c) 算出其機率密度 p(x, t)當x > 0。
(d) 算出其機率流密度 j(x, t)當x > 0。
(e) 上面的波函數含三個不同的部份,A、B及C三個係數,說出每一個是右移還是左移。它們三個分別代表入射、反射、發射,那個是那個?
註:p(x, t)及j(x, t)的答案必定是實數。
機率密度的數學定義
對於隨機變數X,若存在一個非負可積函數p(x)(﹣∞
連續型隨機變數往往透過其機率密度函數直觀地描述,連續型隨機變數的機率密度函數f(x)具有以下性質:
這裡指的是一維連續隨機變量,多維連續變數也類似。
隨機資料的機率密度函數:表示瞬時幅值落在某指定範圍內的機率,因此是幅值的函數。它會隨所取範圍的振幅而變化。
密度函數f(x) 具有下列性質:
(1)f(x)≧0;
(2) ∫f(x)d(x)=1;
#(3) P(a 解題過程如下: #擴充資料 機率密度的方法: 設隨機變數X具有機率密度fX(x),-∞ 單純的講概率密度沒有實際的意義,它必須有確定的有界區間為前提。可以把機率密度看成是縱座標,區間看成是橫座標,機率密度對區間的積分就是面積,而這個面積就是事件在這個區間發生的機率,所有面積的和為1。所以單獨分析一個點的機率密度是沒有任何意義的,它必須要有區間作為參考和對比。 機率指事件隨機發生的機率,對於均勻分佈函數,機率密度等於一段區間(事件的取值範圍)的機率除以該段區間的長度,它的值是非負的,可以很大也可以很小。 從一批有正品和次品的商品中,隨意抽取一件,「抽得的是正品」就是一個隨機事件。設對某一隨機現象進行了n次試驗與觀察,其中A事件出現了m次,即其出現的頻率為m/n。經過大量反覆試驗,常有m/n越來越接近某個確定的常數(此論點證明詳見伯努利大數定律)。 設隨機變數X N0 1 Y |x| Y的機率密度函數
以上是機率密度函數的簡單說明的詳細內容。更多資訊請關注PHP中文網其他相關文章!