Diferenças entre PDF e PMF Diferença entre
PDF vs PMF
Este tópico é bastante complicado, pois exigiria uma maior compreensão de mais do que um conhecimento limitado da física. Neste artigo, estaremos diferenciando PDF, função de densidade de probabilidade, versus PMF, função de massa de probabilidade. Ambos os termos estão relacionados à física ou cálculo, ou mesmo a matemática superior; e para aqueles que cursam cursos ou que podem ser graduados em cursos relacionados com matemática, é para poder definir corretamente e estabelecer uma distinção entre ambos os termos para que seja melhor entendido.
As variáveis aleatórias não são totalmente compreensíveis, mas, em certo sentido, quando você fala sobre o uso das fórmulas que derivam o PMF ou PDF da sua solução final, trata-se de diferenciar o discreto e o contínuo variáveis aleatórias que fazem a distinção.
O termo função de massa de probabilidade, PMF, é sobre como a função na configuração discreta seria relacionada à função ao falar sobre configuração contínua, em termos de massa e densidade. Outra definição seria a do PMF, é uma função que daria um resultado de uma probabilidade de uma variável aleatória discreta que seja exatamente igual a um determinado valor. Diga, por exemplo, quantas cabeças em 10 lançamentos de uma moeda.
Agora, vamos falar sobre a função de densidade de probabilidade, PDF. É definido apenas para variáveis aleatórias contínuas. O que é mais importante saber é que os valores que são dados são uma gama de valores possíveis que dão a probabilidade da variável aleatória que se enquadra nesse intervalo. Digamos, por exemplo, qual o peso das fêmeas na Califórnia entre as dezessete e quinze.
Com isso como base, é mais fácil perceber quando usar a fórmula PDF e quando você deve usar a fórmula PMF.
Resumo:
Em resumo, o PMF é usado quando a solução que você precisa encontrar deve variar dentro de números de variáveis aleatórias discretas. PDF, por outro lado, é usado quando você precisa encontrar uma série de variáveis aleatórias contínuas.
PMF usa variáveis aleatórias discretas.
O PDF usa variáveis aleatórias contínuas.
Com base em estudos, o PDF é a derivada da CDF, que é a função de distribuição cumulativa. CDF é usado para determinar a probabilidade em que uma variável aleatória contínua ocorreria dentro de qualquer subconjunto mensurável de um determinado intervalo. Aqui está um exemplo:
Calculamos a probabilidade de uma pontuação entre 90 e 110.
P (90 = P (X <110) - p (X <90) = 0. 84 -0. 16 = 0. 68 = 68% Em poucas palavras, a diferença é mais sobre a associação com variáveis aleatórias contínuas e não discretas. Ambos os termos foram usados frequentemente neste artigo.Portanto, seria melhor incluir que esses termos realmente significam. Variável aleatória discreta = geralmente são números de contagem. É preciso apenas um número contábil de valor distinto, como, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9 e assim por diante. Outros exemplos de variáveis aleatórias discretas podem ser: O número de crianças na família. O número de pessoas assistindo o show de matineus de sexta-feira a noite. O número de pacientes na véspera de Ano Novo. Basta dizer, se você fala sobre a distribuição de probabilidade de uma variável aleatória discreta, seria uma lista de probabilidades que estariam associadas aos valores possíveis. Variável aleatória contínua = é uma variável aleatória que realmente cobre valores infinitos. Alternativamente, é por isso que o termo contínuo é aplicado à variável aleatória, porque pode assumir todos os valores possíveis dentro da determinada faixa de probabilidade. Exemplos de variáveis aleatórias contínuas podem ser: A temperatura na Flórida para o mês de dezembro. A quantidade de precipitação em Minnesota. O tempo do computador em segundos para processar um determinado programa. Com sorte, com esta definição de termos incluídos neste artigo, não só será mais fácil para quem lê este artigo entender as diferenças entre a função de densidade de probabilidade versus a função de massa de probabilidade.
