上一篇只回答了"为什么不矛盾"#
上一篇文章里，我沿着一个概率问题一路追到了集合论。
那个问题是：对于连续随机变量 \(X \sim U(0,1)\)，任意一个具体的点 \(x\)：
$$ P(X = x) = 0 $$但整个区间的概率：
$$ P(0 \le X \le 1) = 1 $$上一篇解决的是一个逻辑问题——为什么不能把 \([0,1]\) 中不可数多个 0 当成普通级数加起来。答案是概率的 Countable Additivity 只允许对可数个互斥事件求和，而 \([0,1]\) 中的实数不可数，根本不适用那个求和规则。
矛盾消除了。但我发现自己并没有真正理解连续概率。
上一篇告诉我的是：“你不能这么加”。它没有告诉我：\([0,1]\) 中这 100% 的概率到底是怎么分布的。
离散随机变量很好理解——骰子有六个面，每个面挂着 \(1/6\) 的概率，六份加起来就是 1。概率直接"住"在每个点上。
但连续随机变量每个点的概率都是 0。如果概率不住在点上，它住在哪里？
这里发生的变化，不只是"可能取值变成了无限多个"。更根本的是：我们不能再把概率直接挂在单个点上了。
这篇就从这里开始。
离散的世界 vs 连续的世界#
先把这两种情况放在一起看。
离散随机变量，比如一个公平骰子：
左边，每个点都承载着非零的概率。\(P(X=1) = 1/6\)，\(P(X=2) = 1/6\)，一共六份，加起来等于 1。
右边，连续随机变量 \(X \sim U(0,1)\)。每个点 \(P(X=x) = 0\)。没有任何一个点上"放着"概率。
那总概率在哪里？
从均匀分布开始#
先不着急回答上面的问题。看一个最简单的连续分布。
假设在 \([0,10]\) 这条线段上均匀随机取一个点：
$$ X \sim U(0,10) $$问：
$$ P(2 \lt X \lt 5) = ? $$因为是均匀分布——线段上任何位置被选中的可能性都一样。所以：
$$ P(2 \lt X \lt 5) = \frac{5 - 2}{10} = 0.3 $$这个计算看起来理所当然，但我后来意识到它背后藏着一个很重要的变化。
不再是"数点"了#
在离散的世界里，骰子的概率靠数有利结果的个数：
$$ P = \frac{\text{有利结果数}}{\text{总结果数}} $$但在连续的世界里，\([2,5]\) 里有多少个点？不可数多个。\([0,10]\) 里呢？也是不可数多个。上一篇已经证明了，两个区间里的实数可以建立一一对应——它们的基数是相同的。
所以"数点"这条路走不通了。
真正决定概率的不是"区间里有多少个点"，而是区间的长度。
$$ \frac{\text{length}([2,5])}{\text{length}([0,10])} = \frac{3}{10} = 0.3 $$这是连续概率和离散概率的第一个分水岭：从"数个数"变成了"量长度"。
均匀分布里已经藏着 density#
再看一遍这个均匀分布。
总概率是 1，总长度是 10。
$$ \frac{\text{probability}}{\text{length}} = \frac{1}{10} = 0.1 $$这意味着：每 1 个单位长度平均承载 0.1 的概率。
于是对于长度为 3 的区间 \([2,5]\)：
$$ 3 \times 0.1 = 0.3 $$0.1 就是这个均匀分布的 Probability Density（概率密度）。
$$ \text{density} = \frac{\text{probability}}{\text{length}} $$至少对这个均匀分布来说，density 是一个常数：处处都是 0.1。
矩形的高度是 density = 0.1，\([2,5]\) 这一段的宽度是 3，阴影面积 = 0.3。
这里第一次出现了一个后面会反复用到的关系：概率 = 面积。
为什么只有均匀分布不够#
均匀分布很好理解——到处一样浓。但现实世界不是这样的。
比如人的身高。如果我随机从人群中抽一个人，测量身高 \(X\)：
$$ P(174 \lt X \lt 175) $$和：
$$ P(210 \lt X \lt 211) $$这两个区间宽度完全一样，都是 1 cm。但概率完全不同——174 到 175 cm 的人远比 210 到 211 cm 的人多得多。
所以光知道区间长度不够。不同位置的概率"浓度"是不一样的。
这意味着我们需要一个函数 \(f(x)\) 来描述：在位置 \(x\) 附近，概率有多"浓"。
这就是 Probability Density Function，概率密度函数。
卡住我的地方：\(f(175) = 0.08/\text{cm}\) 到底是什么意思#
这是我学 PDF 时真正卡住的地方。
有人说：
\(f(175) = 0.08/\text{cm}\)，意思是 175 cm 附近，每 1 cm 大约有 8% 的概率。
我马上就有问题了。“附近 1 cm"到底是哪个区间？
是 \([174.5, 175.5]\)？还是 \([175, 176]\)？或者 \([174.8, 175.8]\)？
这些区间的位置不同，概率不可能完全一样。
那 \(f(175)\) 怎么可能是一个确定的值？
有限区间得到的只是平均密度#
假设：
$$ P(174.5 \lt X \lt 175.5) = 0.079 $$区间宽度 1 cm，所以：
$$ \frac{0.079}{1\ \text{cm}} = 0.079/\text{cm} $$但这个 0.079 不是 \(f(175)\)。它是 \([174.5, 175.5]\) 这个区间上的平均概率密度。
这和人口密度是一回事。说"某个城市人口密度 10000 人/km²”，那是把总人口除以总面积得到的平均值。城市里有些地方密集，有些地方空旷，局部密度和平均密度不一样。
同理，\(\frac{P(\text{区间})}{\text{区间宽度}}\) 描述的是有限区间上的平均密度。区间越大，平均值抹平的细节就越多。
缩小区间#
那怎么从平均密度变成"某个点处的密度"？
答案是：把区间不断缩小。
以 175 为中心，依次取：
- \([174.5, 175.5]\)，宽度 1 → 平均密度 0.079
- \([174.95, 175.05]\)，宽度 0.1 → 平均密度 0.0798
- \([174.995, 175.005]\)，宽度 0.01 → 平均密度 0.07998
- \([174.9995, 175.0005]\)，宽度 0.001 → 平均密度 0.079998
区间越窄，平均密度越接近一个确定的值：0.08。
当区间宽度趋向 0 时，平均密度趋向的那个值，就是 \(f(175)\)。
这个"趋向"就是极限——Limit。
这里第一次真正需要"极限"#
“极限"这两个字听着很数学，但想法其实不复杂。
$$ h = 1, \quad 0.1, \quad 0.01, \quad 0.001, \quad \ldots $$\(h\) 越来越小，小到任意程度，但始终不等于 0。
我们关心的不是 \(h\) 在某个具体位置的值，而是这个缩小过程中，平均密度在逼近什么。
这就是 \(h \to 0\) 的含义。
\(h \to 0\) 不是"令 \(h = 0\)"。 趋近 0 和直接代入 0 是完全不同的操作。
无限接近不等于当前相等#
为了把这个区别看得更清楚，换一个简单的例子。
\(x \to 3\) 可以是这样一个过程：
$$ 2.9, \quad 2.99, \quad 2.999, \quad 2.9999, \quad \ldots $$每一项都不等于 3，但越来越接近 3。
极限描述的是整个趋近过程最终逼近哪个值，而不是某一步"到达"了目标。
0/0 有时候也能出确定的极限#
回到概率密度的场景。当区间宽度 \(h \to 0\) 时，区间里的概率也趋向 0（单点概率为 0）。所以我们在算的是：
$$ \frac{\text{趋向 0 的概率}}{\text{趋向 0 的宽度}} $$这不就是 \(\frac{0}{0}\) 吗？
先看一个更简单的例子。
$$ g(x) = \frac{x^2 - 1}{x - 1} $$直接代入 \(x = 1\)：
$$ \frac{1 - 1}{1 - 1} = \frac{0}{0} $$没有定义。
但 \(x^2 - 1 = (x-1)(x+1)\)，所以对 \(x \neq 1\)：
$$ g(x) = x + 1 $$\(x\) 在 1 附近时，\(g(x)\) 在 2 附近。
$$ \lim_{x \to 1} g(x) = 2 $$这里有一个很重要的观察：极限关心的是目标点附近发生了什么，不要求函数在那个点本身有定义。
0/0 是未定式，不是答案#
\(\frac{0}{0}\) 不是一个值，它叫 Indeterminate Form（未定式）。
为什么叫"未定”？因为光知道分子和分母都趋向 0，不能确定比值的极限。
$$ \frac{x}{x} = 1 \quad \Rightarrow \quad \lim_{x \to 0} \frac{x}{x} = 1 $$$$ \frac{x^2}{x} = x \quad \Rightarrow \quad \lim_{x \to 0} \frac{x^2}{x} = 0 $$$$ \frac{x}{x^2} = \frac{1}{x} \quad \Rightarrow \quad \lim_{x \to 0} \frac{x}{x^2} \text{ 不存在} $$分子和分母都趋向 0，但比值可以是 1，可以是 0，甚至可以发散。
真正决定结果的是二者缩小的相对速度。分子缩得和分母一样快，比值趋向常数；分子缩得更快，比值趋向 0；分母缩得更快，比值发散。
回到概率密度：区间里的概率和区间的宽度同时趋向 0，但如果它们缩小的速度恰好匹配，比值就能趋向一个确定的值。这个值就是 density。
现在可以给出 PDF 的核心直觉了#
经过前面这些铺垫，PDF 的定义就很自然了。
取 \(x\) 周围一个宽度为 \(h\) 的小区间 \([x - h/2,\, x + h/2]\)。
计算这个区间里的概率除以宽度：
$$ \frac{P\!\left(x - \frac{h}{2} \lt X \lt x + \frac{h}{2}\right)}{h} $$这是区间上的平均密度。
然后不断缩小 \(h\)。如果这个平均密度趋向某个确定的值：
$$ f(x) = \lim_{h \to 0} \frac{P\!\left(x - \frac{h}{2} \lt X \lt x + \frac{h}{2}\right)}{h} $$这个值就是 \(x\) 处的 Probability Density，局部概率密度。
\(f(x)\) 不是 \(P(X = x)\)。它是 \(x\) 附近的概率浓度。
一个非常有用的近似#
知道了 \(f(x)\) 的含义之后，可以反过来用。
对于足够小的 \(\Delta x\)：
$$ P(x \lt X \lt x + \Delta x) \approx f(x) \cdot \Delta x $$这个近似的逻辑是：在很窄的区间里，density 几乎不变，所以可以当常数处理。概率就约等于 density 乘以宽度。
举个例子。假设 \(f(175) = 0.08/\text{cm}\)，取一个 0.1 cm 的小区间 \([175, 175.1]\)：
$$ P(175 \lt X \lt 175.1) \approx 0.08/\text{cm} \times 0.1\ \text{cm} = 0.008 $$也就是大约 0.8%。
区间越窄，这个近似越准确。因为区间越窄，\(f(x)\) 在区间内的变化就越小，“当常数处理"造成的误差就越小。
单位分析：为什么 PDF 的单位是 1/cm#
这个细节帮我加深了对 density 的理解。
如果随机变量 \(X\) 的单位是 cm，概率本身没有单位（无量纲），那么：
$$ f(x) \cdot \Delta x \approx \text{probability} $$要让等式成立：
$$ \frac{1}{\text{cm}} \times \text{cm} = 1 $$所以 \(f(x)\) 的单位必须是 1/cm。
\(f(175) = 0.08/\text{cm}\) 这个值本身带着单位，它不是概率。你不能说"175 cm 处有 8% 的概率”——0.08 后面跟着的是 /cm，这是一个密度，不是一个概率值。
概率是面积，不是高度#
现在把小区间的近似推广到有限区间 \([a, b]\)。
把 \([a, b]\) 切成很多小块，每块宽度 \(\Delta x\)。每块的概率近似为：
$$ f(x_i) \cdot \Delta x $$总概率就是所有小块加起来：
$$ \sum_i f(x_i) \cdot \Delta x $$当 \(\Delta x \to 0\) 时，这个求和就变成了积分：
$$ P(a \lt X \lt b) = \int_a^b f(x)\,dx $$
积分在这里的直观含义就是：把无数个越来越窄的小矩形的面积累积起来，得到曲线下方的精确面积。
这建立了全文最核心的对应关系：
- 曲线的高度 = density
- 曲线下的面积 = probability
\(f(x)\) 告诉你某个位置有多"浓"，但浓度本身不是总量。只有浓度乘以区间——也就是面积——才是概率。
回过头来：为什么单点概率又是 0#
现在用 density 的语言重新回答最初的问题。
一个单点 \(X = x\) 没有宽度。\(\Delta x = 0\)。
即使 \(f(x) \gt 0\)，一个高度非零但宽度为零的竖线，面积也是 0：
$$ P(X = x) = 0 $$所以 \(f(x) \gt 0\) 和 \(P(X = x) = 0\) 之间没有任何矛盾。density 高只意味着这个位置附近概率浓，但"附近"必须有宽度才能产生概率。一个没有宽度的点，无论 density 多高，面积都是零。
顺便提一句：因为单点概率为 0，连续随机变量的区间端点取不取到不影响结果：
$$ P(a \lt X \lt b) = P(a \le X \le b) $$PDF 为什么可以大于 1#
这是另一个容易掉进去的坑。
考虑一个很短的均匀分布：
$$ X \sim U(0, 0.5) $$总概率必须是 1，总长度是 0.5。
$$ f(x) = \frac{1}{0.5} = 2 $$\(f(x) = 2 \gt 1\)。
完全合法。因为 2 是 density，不是 probability。矩形的高度是 2，宽度是 0.5，面积是 1——总概率还是 1。
概率不能大于 1。但 density 可以，因为 density 的单位和概率不同。
density 这个词本身就在告诉你答案#
到这里其实可以发现，“density"不是概率论发明的专属概念。日常生活和物理学里到处都有 density。
人口密度：
$$ \frac{\text{人数}}{\text{面积}} \quad \text{(人/km²)} $$人口密度不是人口。要知道一片区域有多少人，得用密度乘以面积。
线密度（比如一根绳子每米多重）：
$$ \frac{\text{质量}}{\text{长度}} \quad \text{(kg/m)} $$线密度不是质量。要知道一段绳子多重，得用密度乘以长度。
概率密度：
$$ \frac{\text{概率}}{\text{长度}} \quad \text{(1/cm)} $$概率密度不是概率。要知道一段区间的概率，得用密度乘以长度（或者更精确地说，对密度在区间上做积分）。
共同点是：density 描述的是一个局部浓度，不是总量。density 乘以区域才得到总量。
最后的图景#
写到这里，整条线应该串起来了。
对于连续随机变量 \(X\)：
每个点的概率 \(P(X = x) = 0\)。但 \(f(x)\) 可以不为零——它描述的是 \(x\) 附近的概率浓度。
一小段区间的概率，约等于 density 乘以宽度：
$$ P(x \lt X \lt x + \Delta x) \approx f(x) \cdot \Delta x $$有限区间 \([a,b]\) 的精确概率，是 density 曲线下的面积：
$$ P(a \lt X \lt b) = \int_a^b f(x)\,dx $$整条实数轴上的总概率等于 1：
$$ \int_{-\infty}^{\infty} f(x)\,dx = 1 $$PDF 告诉我们的不是"x 这个点有多少概率”，而是"x 附近的概率有多密"。
$$\boxed{\text{PDF} \neq \text{Probability}}$$下一篇#
这篇从头到尾都在用积分，但其实只用了一句话解释它：
把无数个越来越窄的小矩形加起来。
这句话背后还有很多没有交代的东西。为什么"无限多个无穷小的东西加起来"可以得到一个有限的、确定的面积？导数和积分为什么恰好互为逆运算？
这些是下一篇要填的坑。
参考资料#
- Sheldon Ross, A First Course in Probability, Pearson
- 陈希孺,《概率论与数理统计》, 中国科学技术大学出版社
- 3Blue1Brown, But what is a probability density?