Perbezaan Antara PDF dan PMF Perbezaan Antara

PDF vs PMF

Topik ini agak rumit kerana ia memerlukan lebih banyak pemahaman tentang pengetahuan fizik yang terhad. Dalam artikel ini, kita akan membezakan PDF, fungsi kepadatan kebarangkalian, berbanding PMF, fungsi kebarangkalian massa. Kedua-dua istilah berkaitan dengan fizik atau kalkulus, atau matematik yang lebih tinggi; dan bagi sesiapa yang mengambil kursus atau yang mungkin menjadi sarjana kursus berkaitan matematik, ia dapat dengan tepat menentukan dan membezakan antara kedua-dua istilah supaya ia dapat difahami dengan lebih baik.

Pemboleh ubah rawak tidak dapat difahami sepenuhnya, tetapi, dalam ertikata, apabila anda bercakap tentang menggunakan formula yang memperoleh PMF atau PDF penyelesaian akhir anda, ia adalah mengenai membezakan diskret dan berterusan pembolehubah rawak yang membuat perbezaan.

Fungsi jisim kebarangkalian istilah, PMF, adalah tentang bagaimana fungsi dalam tetapan diskret berkaitan dengan fungsi apabila bercakap tentang tetapan berterusan, dari segi massa dan kepadatan. Takrifan lain ialah untuk PMF, ia merupakan fungsi yang akan memberi hasil kebarangkalian pemboleh ubah rawak diskret yang betul-betul sama dengan nilai tertentu. Katakanlah contohnya, berapa banyak kepala dalam 10 lipat duit syiling.

Sekarang, mari kita bincangkan tentang fungsi kepadatan kebarangkalian, PDF. Ia ditakrifkan hanya untuk pemboleh ubah rawak yang berterusan. Apa yang lebih penting untuk diketahui adalah bahawa nilai-nilai yang diberi adalah pelbagai kemungkinan nilai yang memberi kebarangkalian pemboleh ubah rawak yang berada dalam rentang tersebut. Katakan, sebagai contoh, apakah berat betina di California dari umur lapan belas hingga dua puluh lima.

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

Ringkasan:

Secara ringkas, PMF digunakan apabila penyelesaian yang anda perlukan untuk tampil dalam bilangan pemboleh ubah rawak diskret. PDF, sebaliknya, digunakan apabila anda perlu membuat pelbagai pemboleh ubah rawak yang berterusan.

PMF menggunakan pemboleh ubah rawak diskret.

PDF menggunakan pemboleh ubah rawak yang berterusan.

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

Kami akan mengira kebarangkalian skor antara 90 dan 110.

P (90

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

= 0. 84 -0. 16

= 0. 68

= 68%

Secara ringkasnya, perbezaannya lebih banyak daripada persatuan dengan pemboleh ubah rawak diskret berterusan dan bukannya. Kedua-dua istilah sering digunakan dalam artikel ini.Oleh itu, adalah lebih baik untuk memasukkan istilah-istilah ini benar-benar bermakna.

Pemboleh ubah rawak diskret = biasanya mengira nombor. Ia hanya mengambil jumlah nilai yang boleh dipertimbangkan, seperti, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, dan sebagainya. Contoh lain dari pemboleh ubah rawak diskret boleh:

Bilangan anak dalam keluarga.

Jumlah orang menonton pertunjukan matinee lewat malam Jumaat.

Bilangan pesakit pada Malam Tahun Baru.

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

Pemboleh ubah rawak berterusan = ialah pemboleh ubah rawak yang sebenarnya merangkumi nilai tak terhingga. Secara bergantian, itulah sebabnya istilah ini berterusan diterapkan kepada pemboleh ubah rawak kerana ia dapat mengandaikan semua kemungkinan nilai dalam julat kebarangkalian yang diberikan. Contoh-contoh pemboleh ubah rawak yang berterusan ialah:

Suhu di Florida untuk bulan Disember.

Jumlah hujan di Minnesota.

Masa komputer dalam beberapa saat untuk memproses program tertentu.

Mudah-mudahan, dengan definisi terma yang dimasukkan dalam artikel ini, tidak hanya akan mudah bagi siapa pun yang membaca artikel ini untuk memahami perbezaan antara Fungsi Ketumpatan Probabilitas versus Fungsi Massa Kemungkinan.