Perbezaan antara PDF dan PMF

PDF vs PMF

Topik ini agak rumit kerana ia memerlukan pemahaman lebih lanjut mengenai pengetahuan yang terhad mengenai fizik. Dalam artikel ini, kita akan membezakan PDF, fungsi ketumpatan kebarangkalian, berbanding PMF, fungsi massa kebarangkalian. Kedua -dua istilah berkaitan dengan fizik atau kalkulus, atau matematik yang lebih tinggi; Dan bagi mereka yang mengambil kursus atau yang mungkin menjadi sarjana kursus berkaitan matematik, ia dapat menentukan dan meletakkan perbezaan antara kedua -dua istilah itu sehingga lebih baik difahami.

Pembolehubah rawak tidak dapat difahami sepenuhnya, tetapi, dalam erti kata, apabila anda bercakap tentang menggunakan formula yang memperoleh PMF atau PDF penyelesaian akhir anda, ini adalah mengenai membezakan pembolehubah rawak yang diskret dan berterusan yang menjadikan perbezaannya.

Fungsi Massa Kebarangkalian Istilah, PMF, adalah mengenai bagaimana fungsi dalam tetapan diskret akan dikaitkan dengan fungsi ketika bercakap tentang tetapan berterusan, dari segi jisim dan ketumpatan. Definisi lain ialah untuk PMF, ia adalah fungsi yang akan memberikan hasil kebarangkalian pemboleh ubah rawak diskret yang sama dengan nilai tertentu. Katakanlah sebagai contoh, berapa banyak kepala dalam 10 melemparkan duit syiling.

Sekarang, mari kita bincangkan mengenai fungsi ketumpatan kebarangkalian, pdf. Hanya ditakrifkan untuk pembolehubah rawak yang berterusan. Apa yang lebih penting untuk diketahui ialah nilai -nilai yang diberikan adalah pelbagai nilai yang mungkin memberikan kebarangkalian pemboleh ubah rawak yang berada dalam julat tersebut. Katakan, sebagai contoh, apakah berat wanita di California dari usia lapan belas hingga dua puluh lima.

Dengan itu sebagai asas, lebih mudah untuk menyedari bila menggunakan formula PDF dan apabila anda harus menggunakan formula PMF.

Ringkasan:

Ringkas. Sebaliknya, PDF digunakan apabila anda perlu menghasilkan pelbagai pembolehubah rawak yang berterusan.
PMF menggunakan pemboleh ubah rawak diskret.

PDF menggunakan pembolehubah rawak berterusan.

Berdasarkan kajian, PDF adalah terbitan CDF, yang merupakan fungsi pengedaran kumulatif. CDF digunakan untuk menentukan kebarangkalian di mana pemboleh ubah rawak berterusan akan berlaku dalam mana -mana subset yang boleh diukur dari julat tertentu. Berikut adalah contoh:

Kita akan mengira kebarangkalian skor antara 90 dan 110.
P (90 < X < 110)
= P (x < 110) - P (X < 90)
= 0.84 -0.16
= 0.68
= 68%

Ringkasnya, perbezaannya lebih kepada persatuan dengan pembolehubah rawak yang berterusan dan bukan diskret. Kedua -dua istilah ini sering digunakan dalam artikel ini. Oleh itu, lebih baik memasukkan istilah ini.

Pemboleh ubah rawak diskret = biasanya mengira nombor. Ia hanya memerlukan sejumlah nilai yang berbeza, seperti, 0,1,2,3,4,5,6,7,8,9, dan sebagainya. Contoh lain pembolehubah rawak diskret boleh:
Jumlah anak dalam keluarga.
Bilangan orang yang menonton pertunjukan matinee lewat malam Jumaat.
Bilangan pesakit pada Malam Tahun Baru.

Cukuplah untuk mengatakan, jika anda bercakap tentang pengagihan kebarangkalian pemboleh ubah rawak diskret, ia akan menjadi senarai kebarangkalian yang akan dikaitkan dengan nilai yang mungkin.

Pemboleh ubah rawak berterusan = adalah pemboleh ubah rawak yang sebenarnya meliputi nilai tak terhingga. Selalunya, itulah sebabnya istilah yang berterusan digunakan untuk pemboleh ubah rawak kerana ia dapat menganggap semua nilai yang mungkin dalam julat kebarangkalian yang diberikan. Contoh pembolehubah rawak yang berterusan boleh:

Suhu di Florida untuk bulan Disember.
Jumlah hujan di Minnesota.
Masa komputer dalam beberapa saat untuk memproses program tertentu.

Mudah -mudahan, dengan definisi istilah ini termasuk dalam artikel ini, bukan sahaja lebih mudah bagi sesiapa yang membaca artikel ini untuk memahami perbezaan antara fungsi ketumpatan kebarangkalian berbanding fungsi massa kebarangkalian.