本文深入介绍了累积分布函数(CDF)，作为数据分析工具的重要作用。CDF提供了关于数据分布的定量信息，比如在特定区间内的数据占比。通过CDF，我们可以得知1500毫秒时仍有超过15%的请求未完成，而在150到500毫秒内的请求约占总数的35%。CDF与直方图或核密度估计(KDE)相比，虽然直观性较差，但能更准确地量化数据分布特性，特别是在比较分布不平衡和评估分位数时。此外，文章还提及了CDF在验证数据是否符合特定理论分布时的应用，如与高斯分布的比较。
数据分析介绍之四——单变量数据观察之累积分布函数
一、累计分布函数
直方图和核密度估计的主要优点是它们具有直观的直观吸引力：他们告诉我们如何找到具有一定价值的数据点。 例如，从图2-2可以看出，250毫秒左右的值很可能会发生，而超过2000毫秒的值是相当罕见的。
但是多么罕见呢？ 这是一个问题，通过查看图2-2中的直方图难以回答。 除了想知道尾部的重量之外，我们也可能有兴趣知道在150到350毫秒之间的典型频带中要求完成的部分是多少。 这当然是大多数事件，但是如果我们想知道有多少事情，那么我们需要总结那个地区所有垃圾箱的贡献。
累积分布函数（CDF）就是这样做的。 点x处的CDF告诉我们x的“左边”发生了几个事件。 换句话说，CDF是具有xi≤x的所有点xi的分数。
最低0.47元/天 解锁文章
1204
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
