Di mana perbedaan dibuat antara fungsi probabilitas dan kepadatan *, PMF hanya berlaku untuk variabel acak diskrit, sedangkan pdf berlaku untuk variabel acak kontinu.
* pendekatan formal dapat mencakup keduanya dan menggunakan istilah tunggal untuk mereka
Cdf berlaku untuk variabel acak apa pun, termasuk yang tidak memiliki pdf atau pmf.
( Distribusi campuran bukan satu-satunya kasus distribusi yang tidak memiliki pdf atau PMF, tetapi ini adalah situasi yang cukup umum - misalnya, pertimbangkan jumlah hujan dalam sehari, atau jumlah uang yang dibayarkan dalam klaim pada polis asuransi properti, yang salah satunya dapat dimodelkan dengan distribusi berkesinambungan tanpa inflasi)
Cdf untuk variabel acak menghasilkan P ( X ≤ x )XP(X≤x)
PMF untuk variabel acak diskrit , memberikan P ( X = x ) .XP(X=x)
PDF itu sendiri tidak memberikan probabilitas , tetapi probabilitas relatif; distribusi kontinu tidak memiliki probabilitas titik. Untuk mendapatkan probabilitas dari pdf, Anda perlu mengintegrasikan beberapa interval - atau mengambil perbedaan dari dua nilai cdf.
Sulit untuk menjawab pertanyaan 'apakah mereka mengandung informasi yang sama' karena itu tergantung pada apa yang Anda maksudkan. Anda dapat beralih dari pdf ke cdf (melalui integrasi), dan dari pmf ke cdf (melalui penjumlahan), dan dari cdf ke pdf (melalui diferensiasi) dan dari cdf ke pmf (melalui perbedaan), jadi jika ada PMF atau pdf, ini berisi informasi yang sama dengan cdf.
Glen_b -Reinstate Monica
sumber
PMF dikaitkan dengan variabel acak diskrit, PDF dengan variabel acak kontinu. Untuk semua jenis variabel acak acak, CDF selalu ada (dan unik), didefinisikan sebagai Sekarang, tergantung pada set dukungan dari variabel acak X , kepadatan (atau fungsi massa) tidak perlu ada. (Pertimbangkan Cantor Set dan Cantor Function , himpunan didefinisikan secara rekursif dengan menghilangkan pusat 1/3 dari interval unit, lalu ulangi prosedur untuk interval (0, 1/3) dan (2/3, 1), dll. Fungsi ini didefinisikan sebagai C ( x
Jadi, jawaban untuk pertanyaan Anda adalah, jika kepadatan atau fungsi massa ada, maka itu adalah turunan dari CDF sehubungan dengan beberapa ukuran. Dalam pengertian itu, mereka membawa informasi yang "sama". TETAPI, PDF dan PMF tidak harus ada. CDF harus ada.
sumber
Jawaban lain menunjuk pada fakta bahwa CDF adalah fundamental dan harus ada, sedangkan PDF dan PMF tidak dan tidak selalu ada.
Tampaknya bagi saya bahwa jawabannya adalah bahwa fungsi fundamental adalah ukuran probabilitas , yang memetakan setiap subset dari ruang sampel ke probabilitas. Kemudian, ketika mereka ada, CDF, PDF dan PMF muncul dari ukuran probabilitas.
sumber