证明:如果随机变量X与-X具有相同的概率密度,则其分布函数F(x)一定满足...
反过来说，同时满足上面两个条件的函数F（x）一定是某个随机变量的分布函数。 弄清楚上面概念，本题就非常容易证明了。
lim（x→-∞）[h（x）+c]=0；lim（x→+∞）[h（x）+c]=1，根据这两个极限式子，确定常数c，算出来的才是分布函数。即分布函数不但是密度函数的积分，还必须满足当x趋近于-∞时，分布函数的极限是0；当x趋近于+∞时，分布函数的极限是1；当然，分布函数还必须是不减函数。
分布函数（Distribution Function）和密度函数（Density Function）是概率论和统计学中常用的两个概念，用于描述随机变量的分布情况。虽然两者有些相似，但它们在定义、性质和应用方面存在一些区别和联系。
概率密度的公式是什么?
概率密度公式为概率密度=概率/组间距离，概率是指事件随机发生的概率，对于均匀分布函数，概率密度等于某区间（事件取值范围）的概率除以该区间的长度。 面积是概率密度相对于区间的积分。 而且，这个面积是事件在这个区间发生的概率。 所有面积之和为1。
概率密度是指随机变量在某个区间内取值的概率与该区间长度的比值，可以用以下公式来计算：概率密度函数f（x） = lim [P（a X = b） / （b - a）] 其中，a和b是区间端点，P（a X = b）是在该区间内取值的概率。
概率密度函数是针对连续性随机变量而言的，假设对于连续性随机变量X，其分布函数为F（x），概率密度为f（x）。可以按照下面的思路计算概率密度：由定义F（x）=∫[-∞，x]。
如何证明概率密度函数是连续的?
1、解法如下：密度函数性质：如果概率密度函数fX（x）在一点x上连续，那么累积分布函数可导，并且它的导数：由于随机变量X的取值 只取决于概率密度函数的积分，所以概率密度函数在个别点上的取值并不会影响随机变量的表现。
2、这是一个连续性的变量X，所以分布函数也是连续的，所以把x=0代入上式：a+b=0 再对F（x）取极限，x趋于+∞，F（x）趋于1，a=1，所以b=-1 随机事件数量化的好处是可以用数学分析的方法来研究随机现象。
3、非负性f（x）≥0，x∈（+∞，－∞）、规范性。这两条基本性质可以用来判断一个函数是否为某一连续型随机变量的概率密度函数。概率指事件随机发生的机率，对于均匀分布函数，概率密度等于一段区间（事件的取值范围）的概率除以该段区间的长度，它的值是非负的，可以很大也可以很小。
4、概率密度函数的非负性：概率密度函数f（x）的取值必须是非负的，即在定义域内的任意点x，概率密度函数的值f（x）大于等于0。除了这两个基本定理外，概率密度函数还有一些其他重要的性质，比如期望、方差等。这些定理和性质对于理解连续型随机变量的分布规律和进行概率计算非常重要。