PDF和CDF
在概率论和统计学中，PDF和CDF是两种描述随机变量分布的重要函数：
Probability Density Function (PDF)：概率密度函数是用来描述连续随机变量可能取值的概率分布的函数。对于一个连续型随机变量X，其PDF f(x) 定义为在某个取值x处的概率密度，即 X 在该值附近出现的概率密度。PDF的积分可以得到概率，即在某个区间内随机变量出现的概率。
Cumulative Density Function (CDF)：累积密度函数是一个用来描述随机变量的取值小于等于某个特定值的概率的函数。对于一个随机变量X，其CDF F(x) 定义为 X 小于等于某个值 x 的概率。CDF可以看作是对PDF的积分，因为它给出了在某个值及以下的概率。
总结：
PDF描述了连续型随机变量在某个值附近的概率密度分布。
CDF描述了随机变量小于等于某个值的累积概率。
这两个函数在概率论和统计学中经常被用来分析和描述随机变量的概率分布特性。