Perbezaan Antara PDF dan PMF
Share
PDF vs PMF
Topik ini agak rumit kerana ia memerlukan pemahaman yang lebih jauh daripada pengetahuan fizik yang terhad. Dalam artikel ini, kita akan membezakan PDF, fungsi kepadatan kebarangkalian, berbanding PMF, fungsi massa kebarangkalian. Kedua-dua istilah berkaitan dengan fizik atau kalkulus, atau matematik yang lebih tinggi; dan bagi sesiapa yang mengambil kursus atau yang mungkin menjadi sarjana kursus berkaitan matematik, ia dapat dengan tepat menentukan dan membezakan antara kedua-dua istilah supaya ia difahami dengan lebih baik.
Pemboleh ubah rawak tidak dapat difahami sepenuhnya, tetapi, dalam arti, apabila anda bercakap tentang menggunakan formula yang memperoleh PMF atau PDF penyelesaian akhir anda, itu adalah mengenai membezakan pemboleh ubah rawak diskret dan berterusan yang menjadikan perbezaan.
Fungsi jisim kebarangkalian istilah, PMF, adalah tentang bagaimana fungsi dalam tetapan diskret akan berkaitan dengan fungsi apabila bercakap tentang penetapan berterusan, dari segi massa dan kepadatan. Takrifan lain adalah untuk PMF, ia merupakan fungsi yang akan memberi hasil kebarangkalian pemboleh ubah rawak diskret yang betul-betul sama dengan nilai tertentu. Katakanlah contohnya, berapa banyak kepala dalam 10 lipat duit syiling.
Sekarang, mari kita bincangkan tentang fungsi kepadatan kebarangkalian, PDF. Ia ditakrifkan hanya untuk pemboleh ubah rawak yang berterusan. Apa yang lebih penting untuk diketahui adalah bahawa nilai-nilai yang diberi adalah pelbagai kemungkinan nilai yang memberikan kebarangkalian pemboleh ubah rawak yang berada dalam rentang tersebut. Katakan, sebagai contoh, apakah berat betina di California dari umur lapan belas hingga dua puluh lima.
Dengan itu sebagai asas, lebih mudah untuk menyedari bila menggunakan formula PDF dan apabila anda harus menggunakan formula PMF.
Ringkasan:
Secara ringkasnya, PMF digunakan apabila penyelesaian yang anda perlukan untuk tampil dalam pelbagai pemboleh ubah rawak diskret. PDF, sebaliknya, digunakan apabila anda perlu membuat pelbagai pemboleh ubah rawak yang berterusan.
PMF menggunakan pemboleh ubah rawak diskret.
PDF menggunakan pemboleh ubah rawak yang berterusan.
Berdasarkan kajian, PDF adalah terbitan CDF, yang merupakan fungsi agihan kumulatif. CDF digunakan untuk menentukan kebarangkalian di mana pemboleh ubah rawak berterusan akan berlaku dalam mana-mana subset yang boleh diukur dari julat tertentu. Inilah contohnya:
Kami akan mengira untuk kebarangkalian skor antara 90 dan 110.
P (90 < X < 110)
= P (X < 110) - P (X < 90)
= 0.84 -0.16
= 0.68
= 68%
Ringkasnya, perbezaannya adalah lebih banyak pada persatuan dengan pemboleh ubah rawak diskret dan berterusan. Kedua-dua istilah sering digunakan dalam artikel ini. Oleh itu, adalah lebih baik untuk memasukkan istilah-istilah ini benar-benar bermakna.
Pemboleh ubah rawak diskret = biasanya mengira nombor. Ia hanya mengambil jumlah nilai yang berbeza, seperti, 0,1,2,3,4,5,6,7,8,9, dan sebagainya. Contoh lain dari pemboleh ubah rawak diskret boleh:
Bilangan anak dalam keluarga.
Jumlah orang yang menonton pertunjukan matinee lewat malam Jumaat.
Bilangan pesakit pada Malam Tahun Baru.
Cukuplah untuk mengatakan, jika anda bercakap mengenai taburan kebarangkalian pemboleh ubah rawak diskret, ia akan menjadi senarai kebarangkalian yang akan dikaitkan dengan nilai yang mungkin.
Pemboleh ubah rawak yang berterusan = ialah pemboleh ubah rawak yang sebenarnya merangkumi nilai tak terhingga. Selanjutnya, itulah sebabnya istilah ini berterusan digunakan untuk pemboleh ubah rawak kerana ia dapat menganggap semua kemungkinan nilai dalam julat kebarangkalian yang diberi. Contoh pemboleh ubah rawak yang berterusan ialah:
Suhu di Florida untuk bulan Disember.
Jumlah hujan di Minnesota.
Masa komputer dalam beberapa saat untuk memproses program tertentu.
Mudah-mudahan, dengan takrif istilah yang termasuk dalam artikel ini, tidak hanya akan mudah bagi sesiapa yang membaca artikel ini untuk memahami perbezaan antara Fungsi Ketumpatan Probabilitas versus Fungsi Massa Kemungkinan.
