概率分布函数（Probability Distribution Function，简称PDF）是概率论中的一个核心概念，用于描述随机变量取值的概率分布规律。具体来说，对于任意实数x，PDF表示随机变量小于或等于x的概率。

定义

对于离散型随机变量：

PDF是各个可能取值的概率的加权和，即 `F（x） = Σ P（X=x_i）`，其中 `x_i` 是随机变量可能取的值。

对于连续型随机变量：

PDF表示随机变量落在某个区间的概率密度，通常通过积分来计算区间内的概率，即 `F（x） = ∫ f（t） dt`，其中 `f（t）` 是概率密度函数。

性质

非负性：`0 ≤ F（x） ≤ 1` 对所有 `x` 成立。

规范性：`F（-∞） = 0`，`F（+∞） = 1`。

单调性：对于离散型随机变量，PDF通常是单调不减的；对于连续型随机变量，PDF通常是单调增加的。

右连续性：PDF在其定义域内是右连续的。

应用

计算概率：通过PDF可以计算随机变量落在某个具体值或区间内的概率，例如 `P（a ≤ X ≤ b） = F（b） - F（a）`。

参数估计：在统计推断中，PDF用于估计总体参数。

理论分析：PDF是理解和分析随机变量行为的基础工具。

例子

离散型随机变量：如抛掷一枚公正的六面骰子，其PDF表示每个点数出现的概率。

连续型随机变量：如测量某个物理量，其PDF表示该物理量取某个值的概率密度。

理解概率分布函数是概率论和统计学的基础，它帮助研究者从理论上分析随机现象，并在实际应用中进行预测和决策