Python用于计算PMF、PDF、CDF、PPF和KDE的讲解

目录

• 1. 综上所述：
  • 1.1 绘图展示
    • 1.2 概念介绍
    • • 1. 概率质量函数（PMF）
      • 2. 概率密度函数（PDF）
      • 3. 累积分布函数（CDF）
      • 4. 分位数函数（PPF）
      • 5. 核密度估计（KDE）

1. 总括

1.1 绘图示例

上图展示了PMF、PDF、CDF、PPF和KDE的绘图结果：

1. PMF (Probability Mass Function) - 概率分量图展示了离散随机变量各取值对应的概率值，在图表中标注出各个离散数据点的概率分布情况。
2. PDF (Probability Density Function) - 概率密度曲线则描绘了连续型随机变量的概率密度分布，在图表中用绿色曲线表示连续数据集的概率密度变化趋势。
3. CDF (Cumulative Distribution Function) - 累积频率曲线记录了随机变量小于或等于某一特定值的所有概率之和