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 con matemáticas más altas; y para aquellos que toman cursos o pueden ser estudiantes de pregrado relacionados con las matemáticas, es para poder definir correctamente y hacer una distinción entre ambos términos para que se entienda mejor.
Las variables aleatorias no son completamente comprensibles, pero, en cierto sentido, cuando se habla de usar las fórmulas que derivan del PMF o PDF de su solución final, se trata de diferenciar las variables aleatorias discretas y continuas que hacen la distinción.
El término función de probabilidad de masa, PMF, trata sobre cómo la función en el ajuste discreto estaría relacionada con la función cuando se habla de ajuste continuo, 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 es exactamente igual a un cierto valor. Digamos, por ejemplo, cuántas cabezas en 10 lanzamientos de una moneda.
Ahora, hablemos de 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 da la probabilidad de la variable aleatoria que cae dentro de ese rango. Digamos, por ejemplo, cuál es el peso de las hembras en California desde los dieciocho hasta los veinticinco años.
Con eso como base, es más fácil darse cuenta de cuándo usar la fórmula PDF y cuándo debería usar la fórmula PMF.
Resumen:
En resumen, el PMF se usa cuando la solución que necesita para llegar a un rango dentro de números de variables aleatorias discretas. PDF, por otro lado, se usa cuando necesitas crear un rango de variables aleatorias continuas. PMF utiliza variables aleatorias discretas.
PDF utiliza variables aleatorias continuas. Basado en estudios, el PDF es el derivado de CDF, que es la función de distribución acumulativa. CDF se usa para determinar la probabilidad en la que una variable aleatoria continua ocurriría dentro de cualquier subconjunto medible de un cierto rango. Aquí hay un ejemplo: Calcularemos la probabilidad de un puntaje entre 90 y 110. P (90 <X <110) = P (X <110) - P (X <90) = 0.84 -0.16 = 0.68 = 68%
En pocas palabras, la diferencia es más en la asociación con variables aleatorias continuas en lugar de discretas. Ambos términos se han utilizado a menudo en este artículo. Así que sería mejor incluir que estos términos realmente significan. Variable aleatoria discreta = usualmente son números de conteo. Solo se necesita 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 hijos en la familia. El número de personas que miran el viernes por la noche matinal show. El número de pacientes en la víspera de Año Nuevo.
Basta con decir que si se habla de la distribución de probabilidad de una variable aleatoria discreta, sería una lista de probabilidades que se asociaría a los valores posibles. 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. 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 esta definición de términos incluida en este artículo, no solo será más fácil para cualquiera que lea este artículo comprender las diferencias entre la función de densidad de probabilidad y la función de masa de probabilidad.
