Differenze tra PDF e PMF Differenza tra

PDF vs PMF

Questo argomento è piuttosto complicato in quanto richiederebbe un'ulteriore comprensione di una conoscenza limitata della fisica. In questo articolo, differenzeremo il PDF, la funzione di densità di probabilità, rispetto a PMF, la funzione di massa di probabilità. Entrambi i termini sono legati alla fisica o al calcolo o persino alla matematica superiore; e per coloro che frequentano corsi o che possono essere studenti universitari di corsi di matematica, è quello di essere in grado di definire correttamente e distinguere tra i due termini in modo da essere meglio compresi.

Le variabili casuali non sono del tutto comprensibili, ma, in un certo senso, quando si parla di utilizzare le formule che derivano il PMF o il PDF della soluzione finale, si tratta di differenziare il discreto e il continuo variabili casuali che fanno la distinzione.

Il termine probabilità massa funzione, PMF, riguarda il modo in cui la funzione nell'impostazione discreta sarebbe correlata alla funzione quando si parla di impostazione continua, in termini di massa e densità. Un'altra definizione sarebbe quella per il PMF, è una funzione che darebbe un risultato di una probabilità di una variabile casuale discreta che è esattamente uguale a un certo valore. Dì ad esempio, quante teste in 10 lanci di una moneta.

Ora parliamo della funzione di densità di probabilità, PDF. È definito solo per variabili casuali continue. Quello che è più importante sapere è che i valori che vengono dati sono un intervallo di valori possibili che danno la probabilità della variabile casuale che rientra in quell'intervallo. Dì, per esempio, qual è il peso delle femmine in California dai diciotto ai venticinque anni.

Con quello come base, è più facile rendersi conto quando usare la formula PDF e quando si dovrebbe usare la formula PMF.

Riepilogo:

In breve, il PMF viene utilizzato quando la soluzione che è necessario fornire deve essere compresa in un numero di variabili casuali discrete. Il PDF, d'altra parte, viene utilizzato quando è necessario elaborare una serie di variabili casuali continue.

PMF utilizza variabili casuali discrete.

PDF utilizza variabili casuali continue.

Basato su studi, PDF è il derivato di CDF, che è la funzione di distribuzione cumulativa. CDF viene utilizzato per determinare la probabilità in cui una variabile casuale continua si verificherebbe all'interno di qualsiasi sottoinsieme misurabile di un certo intervallo. Ecco un esempio:

Calcoleremo per la probabilità di un punteggio compreso tra 90 e 110.

P (90

= P (X <110) - p (X <90)

= 0. 84 -0. 16

= 0. 68

= 68%

In breve, la differenza è più sull'associazione con variabili casuali piuttosto che discrete. Entrambi i termini sono stati usati spesso in questo articolo.Quindi sarebbe meglio includere che questi termini significano veramente.

Variabile casuale discreta = di solito sono numeri di conteggio. Richiede solo un numero numerabile di valore distinto, ad esempio 0, 1, 2, 3, 4, 5, 6, 7, 8, 9 e così via. Altri esempi di variabili casuali discrete potrebbero essere:

Il numero di bambini nella famiglia.

Il numero di persone che guardano lo spettacolo pomeridiano del venerdì sera.

Il numero di pazienti durante la notte di Capodanno.

Basti dire che, se si parla di distribuzione di probabilità di una variabile casuale discreta, si tratterebbe di un elenco di probabilità che verrebbe associato ai possibili valori.

Variabile casuale continua = è una variabile casuale che copre effettivamente valori infiniti. In alternativa, questo è il motivo per cui il termine continuo viene applicato alla variabile casuale perché può assumere tutti i possibili valori all'interno dell'intervallo di probabilità specificato. Esempi di variabili casuali continue potrebbero essere:

La temperatura in Florida per il mese di dicembre.

La quantità di pioggia in Minnesota.

Tempo del computer in secondi per elaborare un determinato programma.

Si spera che con questa definizione di termini inclusa in questo articolo, non solo sarà più facile per chiunque legga questo articolo comprendere le differenze tra la funzione di densità di probabilità e la funzione di massa di probabilità.