条件概率积分的导数计算方法咨询

首先先明确下符号细节：你的表达式里，$f$应该是关于$x'$的函数，正确写法应该是：
$$f(x') = \int_{-\infty}^{x'} P(x \mid c) dx$$
我猜你可能是笔误写成了$f'(x)$——毕竟$x$是积分变量，求导对象应该是作为积分上限的$x'$对吧？

核心方法：变上限积分求导法则（莱布尼茨法则简化版） #

对于形如$\frac{d}{dt} \int_{a}^{t} g(x) dx$的变上限积分（其中$a$是常数，$g(x)$和$t$无关），导数直接等于$g(t)$。这个逻辑很直观：积分本质是计算从$a$到$t$的累积面积，当$t$发生微小变化时，面积的增量近似等于$g(t)$乘以$t$的增量，所以导数就是$g(t)$。

放到你的问题里：

• 积分下限是常数$-\infty$，它对$x'$的导数为0；
• 积分上限是$x'$，对$x'$的导数为1；
• 被积函数$P(x \mid c)$是关于积分变量$x$的条件概率密度函数（PDF），和$x'$无关。

直接应用法则后，结果就是：
$$f'(x') = P(x' \mid c)$$

补充说明 #

• 这里要注意：$P(x \mid c)$必须是连续型随机变量的条件概率密度函数，如果是离散型变量，积分要换成求和，这时候导数的概念就不适用了（得用差分代替）。
• 如果$P(x \mid c)$本身依赖于$x'$（比如条件参数$c$和$x'$有关），那就要用完整的莱布尼茨积分法则，把被积函数对$x'$的偏导也纳入计算，但从你的表达式来看，$c$应该是独立于$x'$的条件参数，所以不用考虑这种复杂情况。
• 举个直观例子：假设条件分布是正态分布$P(x \mid c) = \mathcal{N}(\mu_c, \sigma_c^2)$的PDF，那$f(x')$就是这个正态分布的累积分布函数（CDF），它的导数正好就是对应的PDF，也就是$P(x' \mid c)$，完全符合我们的结论。

内容的提问来源于stack exchange，提问作者anon_swe