概率密度函数 (PDF)

概率密度函数（Probability Density Function, PDF）是概率论中刻画连续型随机变量统计规律的核心数学工具。与离散变量的概率质量函数不同，PDF 描述的是随机变量输出值在定义域内某一点附近的相对可能性密度。其数学本质要求函数值非负且全域积分为1。在工程与科学计算中，PDF 不仅用于定义正态分布、均匀分布等基础模型，更是进行参数估计、计算数学期望、分位数以及推导互信息等统计量的基石。值得注意的是，PDF 的纵坐标并非概率大小，只有对 PDF 进行定积分运算，才能得到随机变量落在某区间内的确切概率。

在现代计算架构与数据科学生态中，概率密度函数扮演着连接理论概率分布与实证数据拟合的关键角色。它是构建机器学习模型（如高斯混合模型、变分自编码器）的数学基础，也是信号处理、物理仿真及金融风险评估中量化不确定性的标准语言。从底层原理看，PDF 将离散的“事件发生与否”转化为连续的“密度高低”，使得我们能够用平滑的曲线描述复杂系统的随机行为。其生态地位体现在它是连接频率学派统计推断与贝叶斯推断的桥梁，通过最大似然估计等方法，工程师可依据观测数据反推未知的分布参数，从而实现对未知随机过程的精准建模与预测。