Différences entre PDF et PMF Différence entre
PDF vs PMF
Ce sujet est assez compliqué car il nécessiterait plus de compréhension de plus qu'une connaissance limitée de la physique. Dans cet article, nous allons différencier PDF, fonction de densité de probabilité, par rapport à PMF, fonction de masse de probabilité. Les deux termes sont liés à la physique ou au calcul, ou même aux mathématiques supérieures; et pour ceux qui suivent des cours ou qui peuvent être des étudiants de premier cycle en mathématiques, c'est pour être en mesure de bien définir et de faire une distinction entre les deux termes afin de mieux le comprendre.
Les variables aléatoires ne sont pas tout à fait compréhensibles, mais, dans un sens, quand vous parlez d'utiliser les formules qui dérivent le PMF ou le PDF de votre solution finale, il s'agit de différencier le discret et le continu variables aléatoires qui font la distinction.
Le terme de fonction de masse de probabilité, PMF, concerne la façon dont la fonction dans le cadre discret serait liée à la fonction lorsque l'on parle de réglage continu, en termes de masse et de densité. Une autre définition serait que pour la fonction PMF, il s'agit d'une fonction qui donnerait un résultat d'une probabilité d'une variable aléatoire discrète qui est exactement égale à une certaine valeur. Dites par exemple, combien de têtes dans 10 lancers d'une pièce de monnaie.
Parlons maintenant de la fonction de densité de probabilité, PDF. Il est défini uniquement pour les variables aléatoires continues. Ce qu'il est plus important de savoir, c'est que les valeurs qui sont données sont une gamme de valeurs possibles qui donne la probabilité de la variable aléatoire qui tombe dans cette fourchette. Disons, par exemple, quel est le poids des femmes en Californie, de dix-huit à vingt-cinq ans.
Avec cela comme base, il est plus facile de savoir quand utiliser la formule PDF et quand utiliser la formule PMF.
Résumé:
En résumé, la fonction PMF est utilisée lorsque la solution que vous devez trouver se situe dans le nombre de variables aléatoires discrètes. PDF, d'autre part, est utilisé lorsque vous avez besoin de venir avec une gamme de variables aléatoires continues.
PMF utilise des variables aléatoires discrètes.
PDF utilise des variables aléatoires continues.
Basé sur des études, PDF est la dérivée de CDF, qui est la fonction de distribution cumulative. CDF est utilisé pour déterminer la probabilité dans laquelle une variable aléatoire continue se produirait dans tout sous-ensemble mesurable d'une certaine gamme. Voici un exemple:
Nous calculerons la probabilité d'un score entre 90 et 110.
P (90 = P (X <110) - p (X <90) = 0. 84 -0. 16 = 0. 68 = 68% En un mot, la différence est plus sur l'association avec des variables aléatoires continues plutôt que discrètes. Les deux termes ont souvent été utilisés dans cet article.Donc, il serait préférable d'inclure que ces termes signifient vraiment. La variable aléatoire discrète = est généralement un nombre de chiffres. Il faut seulement un nombre dénombrable de valeur distincte, comme, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, et ainsi de suite. D'autres exemples de variables aléatoires discrètes pourraient être: Le nombre d'enfants dans la famille. Le nombre de personnes qui regardent la matinée du vendredi soir. Le nombre de patients le soir du Nouvel An. Il suffit de dire que si vous parlez de distribution de probabilité d'une variable aléatoire discrète, ce serait une liste de probabilités qui seraient associées aux valeurs possibles. Variable aléatoire continue = est une variable aléatoire qui couvre réellement les valeurs infinies. Alternativement, c'est pourquoi le terme continu est appliqué à la variable aléatoire car il peut prendre toutes les valeurs possibles dans l'intervalle donné de la probabilité. Des exemples de variables aléatoires continues pourraient être: La température en Floride pour le mois de décembre. La quantité de pluie dans le Minnesota. L'heure de l'ordinateur en secondes pour traiter un certain programme. Heureusement, avec cette définition des termes inclus dans cet article, il sera non seulement plus facile pour quiconque lisant cet article de comprendre les différences entre la fonction de densité de probabilité et la fonction de masse de probabilité.
