Diferencias entre PDF y PMF

PDF vs PMF

Este tema es bastante complicado, ya que requeriría una mayor comprensión de más que un conocimiento limitado de la física. En este artículo, diferenciaremos PDF, función de densidad de probabilidad, versus PMF, función de masa de probabilidad. Ambos términos están relacionados con la física o el cálculo, o incluso las matemáticas más altas; Y para aquellos que toman cursos o que pueden ser un pregrado de cursos relacionados con las matemáticas, es poder definir adecuadamente y poner una distinción entre ambos términos para que se enterara mejor.

Las variables aleatorias no son completamente comprensibles, pero, en cierto sentido, cuando habla de usar las fórmulas que derivan el PMF o PDF de su solución final, se trata de diferenciar las variables aleatorias discretas y continuas que hacen que la distinción sea distinción.

La función de masa de probabilidad del término, PMF, se trata de cómo la función en la configuración discreta estaría relacionada con la función al hablar sobre la configuración continua, en términos de masa y densidad. Otra definición sería que para el PMF, es una función que daría un resultado de una probabilidad de una variable aleatoria discreta que sea exactamente igual a un cierto valor. Digamos, por ejemplo, cuántas cabezas en 10 lanzamientos de una moneda.

Ahora, hablemos sobre la función de densidad de probabilidad, PDF. Se define solo para variables aleatorias continuas. Lo que es más importante saber es que los valores que se dan son un rango de valores posibles que proporcionan la probabilidad de la variable aleatoria que cae dentro de ese rango. Digamos, por ejemplo, ¿cuál es el peso de las mujeres en California desde las edades de dieciocho y veinticinco?.

Con eso como base, es más fácil darse cuenta de cuándo usar la fórmula PDF y cuándo debe usar la fórmula PMF.

Resumen:

En resumen, el PMF se usa cuando la solución que necesita encontrar variaría dentro de un número de variables aleatorias discretas. PDF, por otro lado, se usa cuando necesitas encontrar una gama de variables aleatorias continuas.
PMF utiliza variables aleatorias discretas.

PDF utiliza variables aleatorias continuas.

Según los estudios, PDF es la derivada de CDF, que es la función de distribución acumulativa. El CDF se usa para determinar la probabilidad en la que se produciría una variable aleatoria continua dentro de cualquier subconjunto medible de un cierto rango. Aquí hay un ejemplo:

Calcularemos la probabilidad de una puntuación entre 90 y 110.
P (90 < X < 110)
= P (x < 110) - P (X < 90)
= 0.84 -0.dieciséis
= 0.68
= 68%

En pocas palabras, la diferencia está más en la asociación con variables aleatorias continuas en lugar de discretas. Ambos términos se han utilizado a menudo en este artículo. Por lo tanto, sería mejor incluir que estos términos realmente significan.

Variable aleatoria discreta = son generalmente números de conteo. Solo toma un número contable de valor distinto, como 0,1,2,3,4,5,6,7,8,9, y así sucesivamente. Otros ejemplos de variables aleatorias discretas podrían ser:
El número de niños en la familia.
El número de personas que miran el show de matiné de viernes por la noche.
El número de pacientes en la víspera de Año Nuevo.

Baste decir que si habla sobre la distribución de probabilidad de una variable aleatoria discreta, sería una lista de probabilidades que se asociarían a los posibles valores.

Variable aleatoria continua = es una variable aleatoria que en realidad cubre valores infinitos. Alternativamente, es por eso que el término continuo se aplica a la variable aleatoria porque puede asumir todos los valores posibles dentro del rango dado de la probabilidad. Los ejemplos de variables aleatorias continuas podrían ser:

La temperatura en Florida para el mes de diciembre.
La cantidad de lluvia en Minnesota.
El tiempo de la computadora en segundos para procesar un determinado programa.

Con suerte, con estas definiciones de términos incluidos en este artículo, no solo será más fácil para cualquier persona que lea este artículo comprender las diferencias entre la función de densidad de probabilidad versus la función de masa de probabilidad.