Cuando se hace una distinción entre función de probabilidad y densidad *, el pmf se aplica solo a variables aleatorias discretas, mientras que el pdf se aplica a variables aleatorias continuas.
* los enfoques formales pueden abarcar ambos y usar un solo término para ellos
El cdf se aplica a cualquier variable aleatoria, incluidas las que no tienen ni pdf ni pmf.
(Una distribución mixta no es el único caso de una distribución que no tiene un pdf o pmf, pero es una situación razonablemente común; por ejemplo, considere la cantidad de lluvia en un día o la cantidad de dinero pagada en reclamos por una póliza de seguro de propiedad, cualquiera de las cuales podría ser modelada por una distribución continua inflada a cero)
El cdf para una variable aleatoria da P ( X ≤ x )XP(X≤x)
El pmf para una variable aleatoria discreta , da P ( X = x ) .XP(X=x)
El pdf en sí mismo no da probabilidades , sino probabilidades relativas; Las distribuciones continuas no tienen probabilidades puntuales. Para obtener probabilidades de los archivos PDF, debe integrarse en algún intervalo, o tomar una diferencia de dos valores de PDF.
Es difícil responder la pregunta '¿contienen la misma información' porque depende de lo que quieras decir? Puede ir de pdf a cdf (a través de la integración), y de pmf a cdf (a través de la suma), y de cdf a pdf (a través de la diferenciación) y de cdf a pmf (a través de la diferenciación), por lo que si existe un pmf o un pdf, contiene la misma información que el cdf.