数据分析之分布函数

一. 概念解释

PDF：概率密度函数（probability density function）, 在数学中，连续型随机变量的概率密度函数（在不至于混淆时可以简称为密度函数）是一个描述这个随机变量的输出值，在某个确定的取值点附近的可能性的函数。

PMF : 概率质量函数（probability mass function), 在概率论中，概率质量函数是离散随机变量在各特定取值上的概率。
CDF : 累积分布函数 (cumulative distribution function)，又叫分布函数，是概率密度函数的积分，能完整描述一个实随机变量X的概率分布。

二. 数学表示

PDF：如果X是连续型随机变量，定义概率密度函数为fX(x)，用PDF在某一区间上的积分来刻画随机变量落在这个区间中的概率，即

Pr(a≤X≤b)=∫bafX(x)dx

PMF：如果X
离散型随机变量，定义概率质量函数为fX(x)

,PMF其实就是高中所学的离散型随机变量的分布律,即
fX(x)=Pr(X=x)

比如对于掷一枚均匀硬币，如果正面令X=1，如果反面令X=0，那么它的PMF就是

fX(x)={12 if x∈{0,1}0 if x?{0,1}

CDF：不管是什么类型（连续/离散/其他）的随机变量，都可以定义它的累积分布函数，有时简称为分布函数。

对于连续型随机变量，显然有FX(x)=Pr(X≤x)=∫x?∞fX(t)dt
那么CDF就是PDF的积分，PDF就是CDF的导数。

对于离散型随机变量，其CDF是分段函数，比如举例中的掷硬币随机变量，它的CDF为
FX(x)=Pr(X≤x)=?????0 if x<012 if 0≤x<11 if x≥1

三.概念分析

　根据上述，我们能得到一下结论：

　１）PDF是连续变量特有的，PMF是离散随机变量特有的；
　２）PDF的取值本身不是概率，它是一种趋势（密度）只有对连续随机变量的取值进行积分后才是概率，也就是说对于连续值确定它在某一点的概率是没有意义的；
　３）PMF的取值本身代表该值的概率。
四.分布函数的意义

　　我们从两点来分析分布函数的意义：
　　
　　1.为什么需要分布函数？

　　对于离散型随机变量，可以直接用分布律来描述其统计规律性，而对于非离散型的随机变量，如连续型随机变量，因为我们无法一一列举出随机变量的所有可能取值，所以它的概率分布不能像随机变量那样进行描述，于是引入PDF，用积分来求随机变量落入某个区间的概率。分布律不能描述连续型随机变量，密度函数不能描述离散随机变量，因此需要找到一个统一方式描述随机变量统计规律，这就有了分布函数。另外，在现实生活中，有时候人们感兴趣的是随机变量落入某个范围内的概率是多少，如掷骰子的数小于3点的获胜，那么考虑随机变量落入某个区间的概率就变得有现实意义了，因此引入分布函数很有必要。

　　2. 分布函数的意义

　　分布函数F(x)

在点x处的函数值表示X落在区间(?∞,x]内的概率，所以分布函数就是定义域为R

的一个普通函数，因此我们可以把概率问题转化为函数问题，从而可以利用普通的函数知识来研究概率问题，增大了概率的研究范围。