概率密度和分布函数的关系

分布函数和概率密度的关系是知道其概率密度，可以求出其分布函数。分布函数是随机变量最重要的概率特征，分布函数可以完整地描述随机变量的统计规律，并且决定随机变量的一切其他概率特征。

概率分布函数和概率密度函数，无非是用来描述事件在某个点或者某个区间内发生的概率大小。将其分为概率分布和概率密度函数，实质上是对连续性变量和离散型变量的分类讨论，特定数值，特定分析。概率分布函数和概率密度函数的全区间的结果必都为1，即事件在全区间段内必会发生。

概率函数，就是用函数的形式来表达概率。

pi=P(X=ai)(i=1,2,3,4,5,6)

在这个函数里，自变量（X）是随机变量的取值，因变量（pi）是取值的概率。这就叫啥，这叫用数学语言来表示自然现象！它就代表了每个取值的概率，所以顺理成章的它就叫做了X的概率函数。从公式上来看，概率函数一次只能表示一个取值的概率。比如P（X=1）=1/6,这代表用概率函数的形式来表示，当随机变量取值为1的概率为1/6，一次只能代表一个随机变量的取值。

接下来讲概率分布，顾名思义就是概率的分布，这个概率分布还是讲概率的。我认为在理解这个概念时，关键不在于“概率”两个字，而在于“分布”这两个字。

函数在数学上的定义

给定一个非空的数集A,对A施加对应法则f,记作f（A）,得到另一数集B,也就是B=f（A）.那么这个关系式就叫函数关系式,简称函数.

简单来讲，对于两个变量x和y，如果每给定x的一个值，y都有唯一一个确定的值与其对应，那么我们就说y是x的函数。其中，x叫做自变量，y叫做因变量。

函数的起源

函数这个数学名词是莱布尼兹在1694年开始使用的，用来描述跟曲线相关的一个量，如曲线的斜率或者曲线上的某一点。莱布尼兹所指的函数现在被称作可导函数，数学家之外的普通人一般接触到的函数即属此类。对于可导函数可以讨论它的极限和导数，此两者描述了函数输出值的变化同输入值变化的关系，是微积分学的基础。中文的“函数”一词由清朝数学家李善兰译出。其《代数学》书中解释：“凡此变量中函（包含）彼变量者，则此为彼之函数”。

1718年，约翰·伯努利把函数定义为“一个变量的函数是指由这个变量和常量以任何一种方式组成的一种量。”

1748年，伯努利的学生欧拉在《无穷分析引论》一书中说：“一个变量的函数是由该变量和一些数或常量以任何一种方式构成的解析表达式”，例如{displaystyle f(x)=sin(x)+x^{2}}{displaystyle f(x)=sin(x)+x^{2}}。

1775年，欧拉在《微分学原理》一书中又提出了函数的一个定义：“如果某些量以如下方式依赖于另一些量，即当后者变化时，前者本身也发生变化，则称前一些量是后一些量的函数。”

19世纪的数学家开始对数学的各个分支进行形式化。维尔斯特拉斯倡议将微积分学建立在算术，而不是几何的基础上，这种主张较趋向于欧拉的定义。

函数的定义得以扩展之后，数学家便能对一些“奇怪”的数学对象进行研究，例如处处不可导的连续函数。这些函数曾经被认为只具有理论价值，迟至20世纪初时它们仍被视作“怪物”。稍后，人们发现这些函数在对如布朗运动之类的物理现象进行建模时有重要的作用。

到19世纪末，数学家开始尝试利用集合论来进行数学的形式化。他们试图将每一个数学对象都定义为集合。狄利克雷给出了现代正式的函数定义（参见下文#正式定义）。在他的定义下，函数被视作数学关系的特例。然而对于实际应用的情况，现代定义和欧拉定义的区别可以忽略不计。