Sự khác biệt giữa PDF và PMF
Share
PDF vs PMF
Chủ đề này khá phức tạp vì nó sẽ đòi hỏi sự hiểu biết sâu sắc hơn là một kiến thức hạn chế về vật lý. Trong bài viết này, chúng tôi sẽ phân biệt PDF, hàm mật độ xác suất, so với PMF, hàm khối lượng xác suất. Cả hai thuật ngữ đều liên quan đến vật lý hoặc tính toán, hoặc thậm chí toán học cao hơn; và đối với những người tham gia các khóa học hoặc có thể là một sinh viên đại học của các khóa học liên quan đến toán học, đó là có thể xác định đúng và phân biệt giữa cả hai thuật ngữ để nó được hiểu rõ hơn.
Các biến ngẫu nhiên không hoàn toàn dễ hiểu, nhưng, theo một nghĩa nào đó, khi bạn nói về việc sử dụng các công thức rút ra PMF hoặc PDF của giải pháp cuối cùng của bạn, tất cả chỉ là phân biệt các biến ngẫu nhiên rời rạc và liên tục tạo nên sự khác biệt.
Hàm khối lượng xác suất hạn, PMF, là về cách hàm trong cài đặt rời rạc sẽ liên quan đến hàm khi nói về cài đặt liên tục, về khối lượng và mật độ. Một định nghĩa khác là đối với PMF, đó là một hàm sẽ đưa ra kết quả xác suất của một biến ngẫu nhiên rời rạc, chính xác bằng một giá trị nhất định. Nói ví dụ, có bao nhiêu cái đầu trong 10 lần tung đồng xu.
Bây giờ, hãy nói về hàm mật độ xác suất, PDF. Nó chỉ được định nghĩa cho các biến ngẫu nhiên liên tục. Điều quan trọng hơn cần biết là các giá trị được đưa ra là một phạm vi các giá trị có thể đưa ra xác suất của biến ngẫu nhiên nằm trong phạm vi đó. Ví dụ, cân nặng của phụ nữ ở California từ mười tám đến hai mươi lăm là bao nhiêu.
Với nền tảng đó, việc nhận ra khi nào nên sử dụng công thức PDF và khi nào bạn nên sử dụng công thức PMF sẽ dễ dàng hơn.
Tóm lược:
Tóm lại, PMF được sử dụng khi giải pháp mà bạn cần đưa ra sẽ nằm trong phạm vi số lượng các biến ngẫu nhiên rời rạc. Mặt khác, PDF được sử dụng khi bạn cần đưa ra một loạt các biến ngẫu nhiên liên tục.
PMF sử dụng các biến ngẫu nhiên rời rạc.
PDF sử dụng các biến ngẫu nhiên liên tục.
Dựa trên các nghiên cứu, PDF là dẫn xuất của CDF, là hàm phân phối tích lũy. CDF được sử dụng để xác định xác suất trong đó một biến ngẫu nhiên liên tục sẽ xảy ra trong bất kỳ tập hợp con có thể đo lường nào của một phạm vi nhất định. Đây là một ví dụ:
Chúng tôi sẽ tính toán xác suất của điểm từ 90 đến 110.
P (90 < X < 110)
= P (X < 110) - P (X < 90)
= 0,84 -0,16
= 0,68
= 68%
Tóm lại, sự khác biệt là nhiều hơn về sự liên kết với các biến ngẫu nhiên liên tục thay vì rời rạc. Cả hai thuật ngữ đã được sử dụng thường xuyên trong bài viết này. Vì vậy, tốt nhất là bao gồm những điều khoản này thực sự có nghĩa.
Biến ngẫu nhiên rời rạc = thường là số đếm. Chỉ mất một số lượng đáng kể các giá trị riêng biệt, như, 0,1,2,3,4,5,6,7,8,9, v.v. Các ví dụ khác về các biến ngẫu nhiên rời rạc có thể là:
Số lượng trẻ em trong gia đình.
Số lượng người xem chương trình matinee đêm thứ sáu.
Số lượng bệnh nhân vào đêm giao thừa.
Có thể nói, nếu bạn nói về phân phối xác suất của một biến ngẫu nhiên rời rạc, thì đó sẽ là một danh sách các xác suất sẽ được liên kết với các giá trị có thể.
Biến ngẫu nhiên liên tục = là biến ngẫu nhiên thực sự bao gồm các giá trị vô hạn. Cách khác, đó là lý do tại sao thuật ngữ liên tục được áp dụng cho biến ngẫu nhiên vì nó có thể giả sử tất cả các giá trị có thể có trong phạm vi xác suất đã cho. Ví dụ về các biến ngẫu nhiên liên tục có thể là:
Nhiệt độ ở Florida trong tháng 12.
Lượng mưa ở Minnesota.
Thời gian máy tính tính bằng giây để xử lý một chương trình nhất định.
Hy vọng rằng, với các định nghĩa về các thuật ngữ được bao gồm trong bài viết này, sẽ không chỉ dễ dàng hơn cho bất kỳ ai đọc bài viết này để hiểu sự khác biệt giữa Hàm Mật độ Xác suất so với Hàm Khối lượng Xác suất.
