Olasılık fonksiyonu ve yoğunluk * arasında bir ayrım yapılırsa, pmf sadece ayrık rasgele değişkenler için geçerlidir, pdf ise sürekli rasgele değişkenler için geçerlidir.
* resmi yaklaşımlar her ikisini de kapsayabilir ve onlar için tek bir terim kullanabilir
Cdf, ne pdf ne de pmf içermeyen rastgele değişkenler için geçerlidir.
( Karma dağıtım , pdf veya pmf içermeyen tek dağıtım durumu değildir, ancak oldukça yaygın bir durumdur - örneğin, bir günde yağmur miktarını veya taleplerde ödenen para miktarını göz önünde bulundurun her ikisi de sıfır şişirilmiş sürekli dağılımla modellenebilecek bir emlak sigortası poliçesi)
Rastgele bir değişkeni için cdf , P ( X ≤ x ) verirXP(X≤x)
Ayrık rasgele bir değişken için pmf , P ( X = x ) verir .XP(X=x)
Pdf'nin kendisi olasılıklar değil , göreceli olasılıklar verir; sürekli dağılımların nokta olasılıkları yoktur. PDF'lerden olasılıkları elde etmek için belirli bir aralıkta entegrasyon yapmanız veya iki cdf değerinin farkını almanız gerekir.
'Aynı bilgileri içeriyorlar mı?' Sorusunu cevaplamak zor çünkü ne demek istediğinize bağlı. Pdf'den cdf'ye (entegrasyon yoluyla) ve pmf'den cdf'ye (toplama yoluyla) ve cdf'den pdf'ye (farklılaşma yoluyla) ve cdf'den pmf'ye (fark yoluyla) gidebilirsiniz, böylece bir pmf veya pdf varsa, cdf ile aynı bilgileri içerir.