Különbségek a PDF és a PMF között A különbség a
PDF vs PMF
Ez a téma meglehetősen bonyolult, mivel további ismereteket igényelne a fizika korlátozott ismereténél. Ebben a cikkben megkülönböztetjük a PDF-t, a valószínűségi sűrűség függvényt, szemben a PMF-rel, a valószínűségi tömegfüggvényt. Mindkét fogalom kapcsolódik a fizika vagy a kalkulus, vagy még magasabb matematika; és azok számára, akik kurzusokat folytatnak, vagy akik matematikához kapcsolódó kurzusok alapjai lehetnek, képesnek kell lennie arra, hogy megfelelően meghatározza és megkülönböztesse a két kifejezést, hogy jobban megértse.
A véletlenszerű változók nem teljesen érthetőek, de bizonyos értelemben, amikor a megoldásról a PMF vagy PDF formátumot eredményező képletekről beszélünk, mindegyik a diszkrét és folyamatos véletlenszerű változók, amelyek a különbséget teszik.
A PMF valószínűségi tömegfüggvény arról szól, hogy a diszkrét beállításban a függvény hogyan függ össze a funkcióval, amikor a tömeges és a sűrűségi viszonyokról beszélünk. Egy másik fogalommeghatározás az lenne, hogy a PMF esetében egy olyan függvény, amely egy valószínűsíthető véletlen változó valószínűségét eredményezi, ami pontosan megegyezik egy bizonyos értékkel. Mondja például, hogy hány fej 10 érménnyel.
Most beszéljünk a valószínűségi sűrűségfüggvényről, PDF. Ez csak a folyamatos véletlen változókra van megadva. Ennél fontosabb tudni, hogy a megadott értékek olyan lehetséges értékek, amelyek megadják a valószínűségi változó valószínűségét, amely ebbe a tartományba esik. Mondja például, hogy a nők súlya Kaliforniában a tizennyolc és huszonöt éves kor között van.
Alapvetően könnyebb észrevenni, mikor kell használni a PDF-képletet, és mikor kell használni a PMF képletet.
Összefoglaló:Összefoglalva, a PMF-t akkor használjuk, ha a megoldás, amelyre szükséged van, elkülönülő véletlenszerű változók számán belülre esik. A PDF-t viszont használják, ha folyamatos véletlen változókra van szükség.
A PMF diszkrét véletlen változókat használ.
A PDF folyamatos véletlen változókat használ.
Tanulmányok alapján a PDF a CDF származéka, amely az összesített eloszlásfüggvény. A CDF-t használjuk annak a valószínűségnek a meghatározására, ahol egy folytonos véletlen változó egy adott tartomány bármelyik mérhető részhalmazában előfordulna. Például:
A 90 és 110 közötti pontszám valószínűségét számoljuk.
P (90 = P (X <110) - p (X <90) = 0. 84 -0. 16 = 0. 68 = 68% Dióhéjban a különbség inkább a folytonos, mint a diszkrét véletlen változókkal való összefüggésen alapul. Mindkét kifejezést gyakran használják ebben a cikkben.Tehát legjobb lenne, ha ezeket a kifejezéseket tényleg jelentené. A diszkrét véletlen változó = általában számlálók száma. Ez csak számozható számú különálló értéket vehet fel, mint például 0, 1, 2, 3, 4, 5, 6, 7, 8, 9 és így tovább. A különálló véletlen változók további példái lehetnek: A gyermekek száma a családban. A pénteki érettségi pénteki műsorszámot figyelő emberek száma. A betegek száma szilveszterkor. Elég ha mondjuk, ha egy diszkrét véletlen változó valószínűségi eloszlásáról beszélünk, akkor a valószínű értékek listája lenne a lehetséges értékekkel. Folyamatos véletlen változó = egy véletlenszerű változó, amely valójában kiterjed a végtelen értékekre. Alternatívaként ez az oka annak, hogy a folyamatos kifejezést a véletlen változóra alkalmazzák, mert feltételezhető, hogy a lehetséges értékek a valószínűség adott tartományán belülre esnek. Példák a folyamatos véletlen változókra: A hőmérséklet Floridában december hónapjában. A Minnesota csapadékmennyisége. A számítógép idő másodpercek alatt egy adott program feldolgozásához. Remélhetőleg a cikkbe foglalt fogalmak meghatározásával nemcsak könnyebb lesz bárki olvassa ezt a cikket, hogy megértse a valószínűség sűrűségfüggvény és a valószínűségi tömegfüggvény közötti különbségeket.
