Különbség a valószínűségeloszlás és a valószínűségi sűrűség függvénye között:

Valószínűségelosztási függvény vs valószínűségi sűrűségfüggvény

Valószínűség valószínü, hogy egy esemény történhet. Ez az elképzelés nagyon gyakori, és gyakran használatos a mindennapi életben, amikor értékeljük lehetőségeinket, tranzakcióinkat és sok más dolgot. Ez az egyszerű koncepció kiterjesztése egy nagyobb eseménysorra egy kicsit nagyobb kihívást jelent. Például nem könnyű kitalálni a lottó nyerésének esélyeit, de kényelmes, meglehetősen intuitív, mondani, hogy valószínű, hogy egy hat közül hat, hogy a hatodik számot dobjuk a dobott kockákra.

Ha az események száma egyre nagyobb lesz, vagy az egyéni lehetőségek száma nagy, akkor ez a meglehetősen egyszerű valószínűség-elképzelés kudarcot vall. Ezért szilárd matematikai definícióval kell rendelkeznie, mielőtt a magasabb komplexitású problémákhoz közeledik.

Ha az események száma egy adott helyzetben nagy, akkor lehetetlen minden egyes eseményt úgy tekinteni, mint a dobott kockák példáján. Ezért az események egész sorát a véletlen változó koncepciójának bevezetésével összegezzük. Ez egy változó, amely képes vállalni az adott helyzetben (vagy a minta térben) lévő különböző események értékeit. Matematikai értelemben ad egyszerű eseményeket a helyzetben, és matematikai módon kezeli az eseményt. Pontosabban, egy véletlen változó valós értékfüggvény a minta tér elemeinél. A véletlen változók lehetnek diszkrétek vagy folyamatosak. Általában az angol ábécé nagybetűi jelölik őket.

Valószínűségelosztási függvény (vagy egyszerűen a valószínűségeloszlás) egy olyan függvény, amely minden eseményhez hozzárendeli a valószínűségi értékeket; én. e. relatív értéket ad a valószínűségi változók értékeihez. A valószínűségi eloszlásfüggvény meghatározása diszkrét véletlen változókra.

A valószínűségi sűrűség függvény a folytonos véletlenszerű változók valószínűségi eloszlásának függvényével egyenlő, valószínűsíti, hogy egy bizonyos véletlen változó bizonyos értéket vesz fel.

A f (x) = P X = x) az X tartományon belül minden egyes x -ra a valószínűségelosztási függvénynek nevezzük.Egy függvény csak valószínűségi eloszlásként szolgálhat ha és csak akkor, ha a függvény megfelel a következő feltételeknek. 1.

f (x) ≥ 0 2. Σ

f (x) = 1 A valós számok halmazán definiált

f (x) függvény az X, ha és csak akkor, ha P

(a ≤ x ≤ valószínűségi sűrűségfüggvény)) = a _∫ b ^f (x) dx és b. A valószínűségi sűrűségfüggvénynek meg kell felelnie az alábbi feltételeknek is. 1. f

(x) ≥ 0 mindegyik x: -∞ << x <+ ∞ 2. -∞ ∫ + ∞

f ₍ x ⁾ dx = 1 Mindkét valószínűségi eloszlásfüggvény és a valószínűségi sűrűség függvény a reprezentációs valószínűség eloszlását jelenti a minta térben. Általában ezeket valószínűségi eloszlásnak nevezzük. A statisztikai modellezéshez standard valószínűségi sűrűségfüggvényeket és valószínűségi eloszlásfüggvényeket kell kiszámítani. A normál eloszlás és a normál normál eloszlás példák a folyamatos valószínűségi eloszlásokra. A binomiális eloszlás és a Poisson-eloszlás példák a diszkrét valószínűségi eloszlásokra. Mi a különbség a valószínűségeloszlás és a valószínűségi sűrűség függvénye között? • A valószínűségelosztási függvény és a valószínűségi sűrűségfüggvény a minta térben meghatározott függvények, amelyek a releváns valószínűségi értéket minden egyes elemhez hozzárendelik. • A valószínűségi eloszlásfüggvényeket a diszkrét véletlen változókra definiálják, míg a folytonos véletlen változók esetében a valószínűségi sűrűségfüggvényeket definiálják.

• A valószínűségi értékek megoszlását legjobban a valószínűségi sűrűségfüggvény és a valószínűségi eloszlásfüggvény jellemzi.

• A valószínűségelosztási függvény táblázatban értékként jeleníthető meg, de ez nem lehetséges a valószínűségi sűrűségfüggvénynél, mivel a változó folyamatos.

• Grafikon esetén a valószínűségelosztási függvény egy bar-görbét ad, míg a valószínűségi sűrűségfüggvény görbét ad.

• A valószínűségi eloszlás függvényének rúdjainak magassága / hossza 1-nek kell lennie, míg a valószínűségi sűrűségfüggvény görbe alatti területnek 1.-re kell növelnie.

• Mindkét esetben a funkció összes értéke nem negatívnak kell lennie.