在概率论中，常用积分公式主要涉及概率密度函数（PDF）、累积分布函数（CDF）以及期望值、方差等统计量的计算。这些积分通常用于计算概率、期望、方差等。以下是常见的概率论中使用到的积分公式：
一、概率密度函数（PDF）相关积分
1. 概率密度函数的积分等于1
$$ \int_{-\infty}^{\infty} f(x) \, dx = 1 $$ 这是所有概率密度函数的基本性质。
2. 累积分布函数（CDF）的导数是概率密度函数
$$ F(x) = \int_{-\infty}^{x} f(t) \, dt $$ $$ \Rightarrow f(x) = \frac{d}{dx} F(x) $$
3. 概率的计算
$$ P(a \leq X \leq b) = \int_{a}^{b} f(x) \, dx $$
二、常见概率分布的积分公式
1. 均匀分布（Uniform Distribution）
- PDF: $ f(x) = \frac{1}{b - a} $, for $ a \leq x \leq b $
- CDF: $ F(x) = \frac{x - a}{b - a} $, for $ a \leq x \leq b $
$$ P(a \leq X \leq b) = \int_{a}^{b} \frac{1}{b - a} \, dx = \frac{b - a}{b - a} = 1 $$
2. 正态分布（Normal Distribution）
- PDF: $ f(x) = \frac{1}{\sqrt{2\pi\sigma^2}} e^{-\frac{(x - \mu)^2}{2\sigma^2}} $
- CDF: $ F(x) = \int_{-\infty}^{x} \frac{1}{\sqrt{2\pi\sigma^2}} e^{-\frac{(x - \mu)^2}{2\sigma^2}} dx $
$$ P(a \leq X \leq b) = \int_{a}^{b} \frac{1}{\sqrt{2\pi\sigma^2}} e^{-\frac{(x - \mu)^2}{2\sigma^2}} dx $$
3. 指数分布（Exponential Distribution）
- PDF: $ f(x) = \lambda e^{-\lambda x} $, for $ x \geq 0 $
- CDF: $ F(x) = 1 - e^{-\lambda x} $
$$ P(X \geq a) = \int_{a}^{\infty} \lambda e^{-\lambda x} dx = e^{-\lambda a} $$
4. 泊松分布（Poisson Distribution）
- PDF: $ f(x) = \frac{\lambda^x e^{-\lambda}}{x!} $, for $ x = 0, 1, 2, \dots $
- CDF: $ F(x) = \sum_{k=0}^{x} \frac{\lambda^k e^{-\lambda}}{k!} $
$$ P(X = k) = \int_{k}^{k+1} \frac{\lambda^x e^{-\lambda}}{x!} dx $$
5. 二项分布（Binomial Distribution）
- PDF: $ f(x) = \binom{n}{x} p^x (1 - p)^{n - x} $
- CDF: $ F(x) = \sum_{k=0}^{x} \binom{n}{k} p^k (1 - p)^{n - k} $
$$ P(X \leq x) = \int_{0}^{x} \binom{n}{k} p^k (1 - p)^{n - k} dk $$
三、期望值和方差的积分表达式
1. 期望值
$$ E[X] = \int_{-\infty}^{\infty} x f(x) \, dx $$
2. 方差
$$ \text{Var}(X) = E[X^2] - (E[X])^2 = \int_{-\infty}^{\infty} x^2 f(x) \, dx - (E[X])^2 $$
四、常见积分公式（概率论中常用）
| 积分形式 | 公式 | 说明 |
|---|---|---|
| 概率密度函数积分 | $ \int_{a}^{b} f(x) dx = P(a \leq X \leq b) $ | 计算概率 |
| 累积分布函数 | $ F(x) = \int_{-\infty}^{x} f(t) dt $ | 计算累积概率 |
| 期望值 | $ E[X] = \int_{-\infty}^{\infty} x f(x) dx $ | 计算期望值 |
| 方差 | $ \text{Var}(X) = \int_{-\infty}^{\infty} x^2 f(x) dx - (E[X])^2 $ | 计算方差 |
| 指数分布 | $ P(X \geq a) = \int_{a}^{\infty} \lambda e^{-\lambda x} dx = e^{-\lambda a} $ | 计算概率 |
| 正态分布 | $ P(a \leq X \leq b) = \int_{a}^{b} \frac{1}{\sqrt{2\pi\sigma^2}} e^{-\frac{(x - \mu)^2}{2\sigma^2}} dx $ | 计算概率 |
五、总结
| 类型 | 公式 | 用途 |
|---|---|---|
| 概率密度函数 | $ \int_{a}^{b} f(x) dx = P(a \leq X \leq b) $ | 计算概率 |
| 累积分布函数 | $ F(x) = \int_{-\infty}^{x} f(t) dt $ | 计算累积概率 |
| 期望值 | $ E[X] = \int_{-\infty}^{\infty} x f(x) dx $ | 计算期望值 |
| 方差 | $ \text{Var}(X) = \int_{-\infty}^{\infty} x^2 f(x) dx - (E[X])^2 $ | 计算方差 |
如果你有特定的概率分布或问题，可以告诉我，我可以帮你推导或计算具体积分。