概率论中PDF、PMF和CDF的区别与联系 | 您所在的位置:网站首页 › 怎么理解分布函数和密度函数的区别与联系 › 概率论中PDF、PMF和CDF的区别与联系 |
在概率论中,经常出现PDF、PMF和CDF,那么这三者有什么区别与联系呢? 1. 概念解释PDF:概率密度函数(probability density function), 在数学中,连续型随机变量的概率密度函数(在不至于混淆时可以简称为密度函数)是一个描述这个随机变量的输出值,在某个确定的取值点附近的可能性的函数。 PMF : 概率质量函数(probability mass function), 在概率论中,概率质量函数是离散随机变量在各特定取值上的概率。 CDF : 累积分布函数 (cumulative distribution function),又叫分布函数,是概率密度函数的积分,能完整描述一个实随机变量X的概率分布。 2. 数学表示 2.1 PDF如果XX是连续型随机变量,定义概率密度函数为fX(x)fX(x),用PDF在某一区间上的积分来刻画随机变量落在这个区间中的概率,即 ![]() 如果XX离散型随机变量,定义概率质量函数为fX(x)fX(x),PMF其实就是高中所学的离散型随机变量的分布律,即 ![]() 比如对于掷一枚均匀硬币,如果正面令X=1X=1,如果反面令X=0X=0,那么它的PMF就是 ![]() 不管是什么类型(连续/离散/其他)的随机变量,都可以定义它的累积分布函数,有时简称为分布函数。 对于连续型随机变量,显然有: FX(x)=Pr(X≤x)=∫−∞xfX(t)dtF_X(x)=Pr(X\leq x)=\int _{-\infty }^{x}f_X(t) dtFX(x)=Pr(X≤x)=∫−∞xfX(t)dt 那么CDF就是PDF的积分,PDF就是CDF的导数。 对于离散型随机变量,其CDF是分段函数,比如举例中的掷硬币随机变量,它的CDF为:
FX(x)=Pr(X≤x){0if x;012if 0≤x;11if x≥1F_X(x)=Pr(X\leq x)\left\{ \begin{array}{rcl} 0 ; ; {if \ \ \ x ;0 }\\ \frac{1}{2} ; ; {if \ \ \ 0\leq x;1}\\ 1 ; ; {if\ \ \ x\geq 1}\\ \end{array} \right. FX(x)=Pr(X≤x)⎩⎨⎧0211if x |
CopyRight 2018-2019 实验室设备网 版权所有 |