Разлике између ПДФ-а и ПМФ-а

ПДФ вс ПМФ

Ова је тема прилично сложена јер ће захтијевати даља разумијевања више од ограниченог знања физике. У овом чланку ћемо разликовати ПДФ, функцију густоће вероватноће, наспрам ПМФ, функцију масене вероватноће. Оба термина су повезана са физиком или рачунима, или чак вишом математиком; а за оне који похађају курсеве или који су можда студенти са математичких курсева, то је да буду у стању да правилно дефинишу и разликују оба термина како би било боље разумети.

Случајне варијабле нису сасвим разумљиве, али, у одређеном смислу, када говорите о кориштењу формула које добивају ПМФ или ПДФ вашег коначног решења, све се односи на разликовање дискретних и континуираних случајних варијабли које чине разлику.

Израз функција вероватноће масе, ПМФ, говори о томе како би функција у дискретном подешавању била повезана са функцијом када говоримо о непрекидном подешавању, у смислу масе и густине. Друга дефиниција би била да је за ПМФ то функција која би дала исход вероватноће дискретне случајне променљиве која је тачно једнака одређеној вредности. Реците, на пример, колико глава у 10 бацања новчића.

Сада, разговарајмо о функцији густоће вероватноће, ПДФ. Дефинише се само за континуиране случајне променљиве. Оно што је важније знати је да су дате вредности распон могућих вредности који дају вероватноћу случајној променљивој која спада у тај опсег. Реците, на пример, колика је тежина женки у Калифорнији у доби од 18 до двадесет пет година.

С тим као основом, лакше је схватити када користити ПДФ формулу и када треба да користите ПМФ формулу.

Резиме:

Укратко, ПМФ се користи када би се решење које требате смислити кретало унутар броја дискретних случајних променљивих. ПДФ се, с друге стране, користи када требате смислити низ континуираних случајних варијабли.
ПМФ користи дискретне случајне варијабле.

ПДФ користи континуиране случајне променљиве.

На основу студија, ПДФ је дериват ЦДФ-а, што је функција кумулативне дистрибуције. ЦДФ се користи за одређивање вероватноће да ће се континуирана случајна варијабла појавити унутар било којег мерљивог подскупина одређеног распона. Ево примера:

Израчунаћемо вероватноћу резултата између 90 и 110.
П (90 < X < 110)
= П (Кс) < 110) - P (X < 90)
= 0,84 -0,16
= 0.68
= 68%

Укратко, разлика је више у повезаности с континуираним, а не дискретним случајним варијаблама. У овом чланку су често коришћена оба термина. Тако да би било најбоље да укључите да ти појмови заиста значе.

Дискретна случајна варијабла = обично су бројеви. Потребно је само бројан број различите вриједности, попут, 0,1,2,3,4,5,6,7,8,9, и тако даље. Остали примери дискретних случајних променљивих могу бити:
Број деце у породици.
Број људи који гледају матинејску представу у петак навечер.
Број пацијената у новогодишњој ноћи.

Довољно је рећи, ако говорите о дистрибуцији вјероватности дискретне случајне варијабле, то би била листа вјероватноћа која би била повезана са могућим вриједностима.

Континуирана случајна променљива = је случајна променљива која заправо покрива бесконачне вредности. Алтернативно, зато се термин континуирано примењује на случајну варијаблу, јер може претпоставити све могуће вредности у датом опсегу вероватноће. Примјери континуираних случајних варијабли могу бити:

Температура на Флориди за месец децембар.
Количина падавина у Минесоти.
Рачунар време у секунди за обраду одређеног програма.

Надамо се да с овом дефиницијом појмова која је обухваћена у овом чланку неће само бити лакше свима који читају овај чланак да схвате разлике између функције вероватноће густоће наспрам функције вероватноће масе..