连续型随机变量是指其所有可能取值构成实数轴上某一区间的随机变量，这些取值无法一一列举。连续型随机变量的概率是通过其概率密度函数（PDF）来描述的，PDF是非负函数，表示随机变量在不同取值处的概率分布。
关键概念
概率密度函数 （PDF）：对于连续型随机变量X，PDF是一个非负函数，表示X在不同取值处的概率分布。
分布函数 （CDF）：表示随机变量X取值小于或等于某个值的概率，对于连续型随机变量，CDF是PDF的积分。
连续型随机变量的特点：
取值范围是整个实数集。
在任意一点上的概率是0，因为连续型随机变量取单点值的概率为分布函数在该点的差值，即`P（A=x） = F（x） - F（x-） = 0`。
常见分布
均匀分布：在区间[a, b]上均匀分布，PDF为`f（x） = 1/（b-a）`，当`a≤x≤b`，否则`f（x）=0`。
正态分布：也称为高斯分布，由两个超参数（μ, σ）描述，形状为钟型曲线，关于`x=μ`对称。
指数分布：具有参数`λ`，其PDF形式为`f（x） = λe^{-λx}`，当`x≥0`，否则`f（x）=0`。
例子
电子元件寿命：电子元件的寿命通常是一个连续型随机变量，因为其可能取值构成一个连续的区间。
测量误差：实际测量中常遇到的误差也是连续型随机变量，因为误差可以在一定范围内取任意实数。
二维连续型随机变量
是由两个随机变量构成的向量，其取值范围在一个二维空间内。
例如二维正态分布、二维均匀分布等。
函数分布
如果`Z = g（X, Y）`是`X`和`Y`的函数，则`Z`的分布称为二维连续型随机变量函数的分布。
总结
连续型随机变量在概率论和统计学中非常重要，它们在自然界和社会科学中广泛存在，如物理实验结果、经济数据、物理量测量等。理解连续型随机变量的概念和性质对于进行概率分析和建模至关重要