为什么随机变量的分布是连续型的?
随机变量是在概率论和统计学中广泛使用的概念。随机变量可以是离散型的，也可以是连续型的。
首先，让我们回顾一下什么是随机变量。随机变量是一个函数，它将样本空间中的每个样本映射到一个实数上。
在概率论和统计学中，我们使用随机变量来描述实验结果的可能性。例如，我们可以使用随机变量来描述掷骰子的结果，或者测量某个物理量的结果。
随机变量可以是离散型的，也可以是连续型的。离散型随机变量是只能取有限个或可数个值的随机变量。
例如，掷一枚硬币的结果只能是正面或反面，因此这是一个离散型随机变量。连续型随机变量则可以取无限多个值，通常使用实数集合来描述。
那么为什么随机变量的分布是连续型的呢？这是因为许多实际问题可以用连续型随机变量来描述，例如温度、速度、重量等。这些量在实际中可以取任意实数值，因此需要使用连续型随机变量来描述它们的分布。
此外，连续型随机变量可以使用概率密度函数来描述其分布。
概率密度函数是一个非负实数函数，它的积分在整个实数轴上等于1。概率密度函数可以用来计算随机变量落在某个区间内的概率，也可以用来计算随机变量的期望和方差等统计量。
在概率论和统计学中，我们通常使用正态分布、指数分布、伽马分布等常见的连续型随机变量来描述实际问题。
这些分布在实际中具有广泛的应用，例如在金融、天气预测、医学诊断等领域中。
总之，随机变量的分布是连续型的，是因为许多实际问题可以用连续型随机变量来描述，而连续型随机变量可以使用概率密度函数来描述其分布。在概率论和统计学中，我们使用各种连续型随机变量来描述实际问题的分布和概率。
(1)、当x趋于1时，显然Cx^2的极限应该为1，这样才满足连续型随机变量的分布C*1=1，即C=1
(2)、P(0.3<X<0.7)
=F(0.7) -F(0.3)
=0.7^2 - 0.3^2
=0.49 -0.09
=0.4
(3)、对F(X)求导就可以得到X的密度函数f(X)，
所以
f(x) = 2x 0≤x<1
0 其他
性质
随机变量在不同的条件下由于偶然因素影响，可能取各种不同的值，故其具有不确定性和随机性，但这些取值落在某个范围的概率是一定的，此种变量称为随机变量。随机变量可以是离散型的，也可以是连续型的。
如分析测试中的测定值就是一个以概率取值的随机变量，被测定量的取值可能在某一范围内随机变化，具体取什么值在测定之前是无法确定的，但测定的结果是确定的，多次重复测定所得到的测定值具有统计规律性。
