Atšķirības starp PDF un PMF

PDF vs PMF

Šī tēma ir diezgan sarežģīta, jo tai būtu nepieciešama turpmāka izpratne par vairāk nekā ierobežotām fizikas zināšanām. Šajā rakstā mēs diferencēsim PDF, varbūtības blīvuma funkciju, salīdzinot ar PMF, varbūtības masas funkciju. Abi termini ir saistīti ar fiziku vai aprēķiniem, vai pat ar augstāku matemātiku; un tiem, kas apmeklē kursus vai kuri var būt ar matemātiku saistītu kursu absolventi, jāspēj pareizi definēt un nošķirt abus terminus, lai tas būtu labāk saprotams.

Nejaušie mainīgie nav gluži pilnībā saprotami, taču, runājot par formulu izmantošanu, no kurām iegūst galīgā risinājuma PMF vai PDF, tas nozīmē, ka atšķirība notiek diskrētajos un nepārtrauktajos nejaušajos mainīgajos..

Termins varbūtības masas funkcija PMF ir par to, kā funkcija diskrētajā iestatījumā būtu saistīta ar funkciju, runājot par nepārtrauktu iestatīšanu, masas un blīvuma izteiksmē. Cita definīcija būtu tāda, ka PMF tā ir funkcija, kas dod diskrēta nejauša mainīgā lieluma varbūtību, kas ir precīzi vienāda ar noteiktu vērtību. Piemēram, pasakiet, cik galvas ir 10 monētās.

Tagad parunāsim par varbūtības blīvuma funkciju, PDF. Tas ir noteikts tikai nepārtrauktiem izlases lielumiem. Svarīgāk ir zināt, ka sniegtās vērtības ir iespējamo vērtību diapazons, kas dod varbūtību nejaušam mainīgajam, kas ietilpst šajā diapazonā. Sakiet, piemēram, cik liels ir sieviešu svars Kalifornijā no astoņpadsmit līdz divdesmit pieciem gadiem.

Izmantojot to kā pamatu, ir vieglāk saprast, kad lietot PDF formulu un kad jums vajadzētu izmantot PMF formulu.

Kopsavilkums:

Rezumējot, PMF tiek izmantots, kad risinājums, kas jums nepieciešams, varētu atrasties diskrēto izlases lielumu skaitā. No otras puses, PDF tiek izmantots, kad jums ir jānāk klajā ar nepārtrauktu izlases mainīgo klāstu.
PMF izmanto diskrētus izlases mainīgos.

PDF failā tiek izmantoti nepārtraukti izlases mainīgie.

Balstoties uz pētījumiem, PDF ir CDF atvasinājums, kas ir kumulatīvā sadalījuma funkcija. CDF izmanto, lai noteiktu varbūtību, ka nepārtraukts nejaušs mainīgais varētu rasties jebkura noteiktā diapazona izmērāmā apakškopā. Šeit ir piemērs:

Mēs aprēķināsim varbūtību, ka rezultāts būs no 90 līdz 110.
P (90 < X < 110)
= P (X < 110) - P (X < 90)
= 0,84 -0,16
= 0,68
= 68%

Īsumā atšķirība ir vairāk saistīta ar nepārtrauktiem, nevis diskrētiem izlases lielumiem. Abi raksti šajā rakstā ir izmantoti bieži. Tāpēc vislabāk būtu iekļaut, ka šie termini patiešām nozīmē.

Diskrēts nejaušs mainīgais = parasti ir skaitļi. Tas aizņem tikai saskaitāmu skaitu atšķirīgu vērtību, piemēram, 0,1,2,3,4,5,6,7,8,9 utt. Citi diskrētu izlases mainīgo piemēri varētu būt šādi:
Bērnu skaits ģimenē.
Cilvēku skaits, kas skatās piektdienas vēlu vakara matemātikas šovu.
Pacientu skaits Jaungada naktī.

Pietiek pateikt, ja jūs runājat par diskrēta nejauša mainīgā varbūtības sadalījumu, tas būtu varbūtību saraksts, kas būtu saistīts ar iespējamām vērtībām.

Nepārtraukts izlases mainīgais = ir izlases mainīgais, kas faktiski sedz bezgalīgas vērtības. Tieši tāpēc izlases veidam mainīgajam tiek lietots nepārtrauktības termins, jo tas var pieņemt visas iespējamās vērtības dotajā varbūtības diapazonā. Nepārtrauktu izlases mainīgo piemēri varētu būt šādi:

Temperatūra Floridā decembra mēnesī.
Nokrišņu daudzums Minesotā.
Datora laiks sekundēs noteiktas programmas apstrādei.

Cerams, ka ar šo šajā rakstā iekļauto terminu definīciju ikvienam, kas lasīs šo rakstu, būs ne tikai vieglāk saprast atšķirības starp varbūtības blīvuma funkciju un varbūtības masas funkciju..