随机变量与分布函数：给随机性编码
本文基于模型知识整理（生成时未联网核对），定义与关系建议对照 Blitzstein & Hwang 第 3–4 章复核。
一句话定义
随机变量 X 是"从样本空间到实数的函数"——把随机结果翻译成数字；它的完整身份证是分布：离散型用概率质量函数 PMF（$p_k=P(X=k)$），连续型用概率密度 PDF（$f$，面积=概率），两者统一的账本是累积分布函数 CDF $F(x)=P(X\le x)$。
为什么重要
"随机变量"这一跳让概率从事件运算升级为函数运算：期望、方差、矩、生成函数全部围绕 X 展开；机器学习的模型输出（分类概率/回归值）、贝叶斯的后验、强化学习的回报都是随机变量。CDF 则是唯一对离散/连续/混合通吃的统一描述，也是比较与采样（逆变换法 kp-027）的接口。
前置知识
kp-001/002（事件与概率）、kp-003（条件化）。
核心概念
- 随机变量：$X:\Omega\to\mathbb{R}$ 的可测函数（初等层面：给每个结果赋个数值）。例：掷骰子 X=点数；抽 n 人 X=生日相同对数。
- 离散型与 PMF：取值可数，$p_k=P(X=k)$，$\sum p_k=1$。
- 连续型与 PDF：$f(x)\ge0$，$\int f=1$，$P(a\le X\le b)=\int_a^bf$；单点概率为零（$P(X=x)=0$），密度值本身不是概率（可 >1）。
- CDF：$F(x)=P(X\le x)$，单调不减、右连续、$F(-\infty)=0$、$F(\infty)=1$；离散时为阶梯函数、连续时 $F'(x)=f(x)$。
- 三种描述的关系：PMF/PDF 是"局部密度账"，CDF 是"累计账"；$P(a<X\le b)=F(b)-F(a)$。
- 混合分布：离散+连续混合（如"0 或正数"的支出数据，0 处有质量堆积）——现实数据常见，CDF 视角无压力。
原理与机制
为什么要"编码成数字"：Ω 可能是抽象的（一段语音、一次体检），数字编码让"大小、平均、方差"这些运算有了落点——随机变量是概率与微积分/线代（kp-007 等）的接口适配器。
为什么连续点概率为零：$P(X=x)=\int_x^xf=0$——概率只属于区间。推论：$P(X\le x)=P(X<x)$（连续型）；"恰好等于均值"的概率为零不是不可能（kp-001 误区回顾）。
PDF 高度可以超过 1：密度是"单位长度的概率浓度"（kp-030 概率版详解）——U(0,0.5) 的密度恒为 2；直方图纵轴随组距变化，组距缩小高度可任意增大而面积（概率）不变。
CDF 的工程身份：① 比较分布（KS 检验比较 CDF）；② 采样接口（逆变换法：$F^{-1}(U)$ 生成目标分布，kp-027）；③ 统一混合/离散/连续的描述语言。
图示
离散: PMF pₖ=P(X=k), Σpₖ=1
连续: PDF f(x), ∫f=1, P(a≤X≤b)=∫ₐᵇf (点概率=0)
统一: CDF F(x)=P(X≤x): 单调↑, 右连续, F(−∞)=0, F(∞)=1
关系: P(a<X≤b)=F(b)−F(a) ; 连续时 F′=f
混合: 阶梯+光滑 (CDF 一张图全包)直观类比
PMF 像"骰子每面的砝码清单"；PDF 像"沙堆的高度曲线"——每一点的"高度"不是重量（概率），横坐标上两刀之间的沙重才是；CDF 像"累积进度条"：从左往右单调爬升，爬升速度对应密度、最终到 1。
实例或案例
- 抛 10 次硬币正面数 X：PMF $p_k=\binom{10}{k}2^{-10}$——离散家族（kp-008 二项）。
- 等公交车时间 X：PDF $f(t)=\lambda e^{-\lambda t}$——连续家族（kp-009 指数）。
- CDF 采样体验：
np.random.random()生成 U(0,1)，套 $\sqrt u$ 得到"偏向小值"的分布——CDF 逆变换的随手演示（kp-027）。
常见误区
- 误区一："f(x) 是概率"。是密度（浓度）；概率=区间上的面积；f(0.5)=0.3 不代表"取 0.5 的概率 30%"。
- 误区二："CDF 可以下降"。C 是累积，只能不减；"下降"说明画的不是 CDF（或数据分组有错）。
- 误区三："离散与连续的公式混用"。Σ 与 ∫、点质量与点零概率——混用是初学最高频错误；先判型再套公式。
与其他知识点的关系
自测题
- X~U(0,2)：求 PDF、CDF 与 P(0.5<X<1.5)。
答：f=1/2（0<x<2）；F=x/2；P=(1.5−0.5)/2=1/2。
- CDF 为 $F(x)=1-e^{-x}$（x≥0）：这是什么分布？PDF？
答：指数分布（率 1）；f=e^{−x}。
- 为什么"连续型 P(X=x)=0 但事件可能发生"？
答：概率是区间面积的测度，单点测度为零≠空集（kp-001 误区）——零概率事件在连续空间每天发生。
延伸阅读
- Blitzstein & Hwang 第 3–5 章（随机变量与连续分布）。
- Wasserman《All of Statistics》第 2 章。
- Seeing Theory（布朗大学交互式概率可视化网站——CDF/PDF 交互演示）。