PDF和CDF图的区别

能完整描述一个实数 随机变量X的 概率分布，是 概率密度函数的积分。对于所有实数x ，CDF（cumulative distribution function），与概率密度函数probability density function（小写pdf）相对。

随机变量小于或者等于某个数值的概率P（X<=x），即：F(x) = P(X<=x)

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。probability density function，简称PDF。

PDF，是概率密度函数，描述可能性的变化情况，如正态分布密度函数，在中间出现的情况最大，两端出现的情况较小。
CDF,是分布函数，描述发生某事件概率。任何一个CDF，是一个不减函数，最终等于1.上面的pdf描述了CDF的变化趋势，即曲线的斜率。
我理解的是，我们最终目的是算概率，而算概率需要CDF，要了解CDF你就得知道PDF的情况，否则就很难入手。个人拙见，供参考。