Go Gonum 分布的 Prob 与 CDF 有什么区别

在 Go 的 Gonum stat/distuv 包里，Prob(x) 和 CDF(x) 都接收一个 x，但回答的不是同一个问题：Prob(x) 看的是分布在 x 处的概率密度（离散分布可理解为该点的概率质量），CDF(x) 看的是从分布左端累计到 x 的比例。前者像“曲线在这个位置有多高”，后者像“到这个位置为止已经覆盖了多少概率”。

官方文档：https://pkg.go.dev/gonum.org/v1/gonum/stat/distuv

如果业务要判断“随机变量是否不超过 x”，使用 CDF(x)；如果要观察分布曲线在一个点上的密度，使用 Prob(x)。连续分布中，Prob(x) 不是“随机变量恰好等于 x 的概率”，也不能直接当成区间概率。

先把两个返回值放回概率问题里

设随机变量是 X，给定一个查询点 x，Gonum 的两个方法可以这样读：

• dist.Prob(x)：返回概率密度函数在 x 处的值，写成连续分布的记号就是 f(x)。
• dist.CDF(x)：返回累计分布函数在 x 处的值，即 P(X≤x)，写成 F(x)。

因此，正态分布里 Prob(80) 可能是一个小于 1 的密度高度；它不能直接解释成“成绩恰好等于 80 的概率”。要表达“成绩不超过 80 的比例”，应该使用 CDF(80)。要表达“超过 80 的比例”，则可以使用 Survival(80)，它是 CDF 的补值方向。

准备一个能反复查询的小项目

为了避免只背 API 名字，可以做一个很小的命令行程序：固定一个正态分布，输入若干查询点，同时打印密度、左侧累计值和右侧尾部值。先创建模块并添加 Gonum：

# 创建一个独立模块，示例中的依赖版本由 go mod 管理
mkdir gonum-prob-cdf
cd gonum-prob-cdf
go mod init example.com/gonum-prob-cdf
# 安装 Gonum 的统计分布包
go get gonum.org/v1/gonum/stat/distuv

下面的代码只保留一个分布对象，所有查询都基于同一组 Mu 和 Sigma，这样比较结果时不会混入参数差异。

package main

import (
    "fmt"

    "gonum.org/v1/gonum/stat/distuv"
)

// queryDistribution 统一打印同一个查询点对应的四类统计量。
func queryDistribution(dist distuv.Normal, x float64) {
    // Prob 是曲线在 x 处的密度值，不把它当作连续变量的点概率。
    density := dist.Prob(x)
    // CDF 表示 X 小于等于 x 的累计概率。
    leftTail := dist.CDF(x)
    // Survival 表示 X 大于 x 的右尾概率。
    rightTail := dist.Survival(x)

    fmt.Printf("x=%.2f Prob=%.6f CDF=%.6f Survival=%.6f\\n",
        x, density, leftTail, rightTail)
}

func main() {
    // 平均值为 70、标准差为 10 的正态分布。
    dist := distuv.Normal{Mu: 70, Sigma: 10}

    // 选择低于、接近和高于平均值的点，便于观察三种结果如何变化。
    for _, x := range []float64{60, 70, 80} {
        queryDistribution(dist, x)
    }
}

运行后会得到三组查询结果。这里最应该观察的不是某个小数位，而是语义：CDF 和 Survival 在同一个点上通常互补，而 Prob 的量纲和它们不同，不能拿来和累计概率直接比较大小后下业务结论。

同一个 x，Prob 和 CDF 到底差在哪里

以 Mu=70、Sigma=10 的正态分布为例，查询 x=80 时，Prob(80) 代表钟形曲线在 80 这个位置的高度；CDF(80) 代表曲线从左侧一直累加到 80 的面积。由于连续分布的概率来自区间面积，而不是单个点的高度，二者自然不会是同一类数值。

如果要回答“一个人的分数不超过 80 的比例是多少”，调用方式应是：

// scoreRate 返回分数不超过 limit 的累计比例。
func scoreRate(limit float64) float64 {
    // CDF 的结果可直接解释为 P(X

实际项目中常见的误用是把 densityAt(80) 当成命中率，或者把几个点的 Prob 相加来估算一个区间概率。对于连续分布，区间概率应使用两个 CDF 的差，例如 P(a；区间足够窄时，密度可以用于近似，但仍要乘以区间宽度。

离散分布时，Prob 的含义会更直观

连续分布和离散分布都暴露了 Prob 与 CDF，但读者对 Prob 的解释要随分布类型变化。以二项分布为例，Prob(k) 可以理解为“成功次数恰好等于 k 的概率”，而 CDF(k) 表示“成功次数不超过 k 的累计概率”。

package main

import (
    "fmt"

    "gonum.org/v1/gonum/stat/distuv"
)

func main() {
    // N 是试验次数，P 是每次试验成功的概率。
    dist := distuv.Binomial{N: 10, P: 0.4}
    k := 4.0

    // 离散分布的 Prob(k) 对应恰好出现 k 次的概率质量。
    exact := dist.Prob(k)
    // CDF(k) 把 0 到 k 的所有可能结果累计起来。
    atMost := dist.CDF(k)

    fmt.Printf("恰好 %.0f 次: %.6f\\n", k, exact)
    fmt.Printf("不超过 %.0f 次: %.6f\\n", k, atMost)
}

这也是为什么不能只记一句“Prob 就是概率”。在正态分布中它是密度函数值，在二项分布中它对应某个离散结果的概率质量；而 CDF 的累计方向相对稳定，都是从分布的左侧累加到查询点。

右尾判断用 Survival，反向查询用 Quantile

当问题从“低于某个阈值的比例”变成“超过某个阈值的比例”时，不要手写 1-CDF(x) 作为默认表达。distuv 提供了语义更清楚的 Survival(x)，它表示互补 CDF，也就是右尾概率。

// probabilityAbove 返回随机变量超过 threshold 的右尾概率。
func probabilityAbove(threshold float64) float64 {
    // Survival 直接表达 P(X>threshold)，调用方不需要自行做补值。
    dist := distuv.Normal{Mu: 70, Sigma: 10}
    return dist.Survival(threshold)
}

// thresholdForRate 根据累计比例反查一个分位点。
func thresholdForRate(rate float64) float64 {
    // Quantile 的输入是累计概率，返回满足该累计位置的 x。
    dist := distuv.Normal{Mu: 70, Sigma: 10}
    return dist.Quantile(rate)
}

可以把四个方法按问题方向记忆：

把 API 选择固定成业务判断

落到业务代码时，建议先写清楚自然语言，再选择函数，而不是看到 x 就随手调用 Prob。例如：

• “低于及格线的人占比”对应 CDF(passLine)。
• “超过告警阈值的请求占比”对应 Survival(alarmLine)。
• “某个观测点附近的密度”对应 Prob(observation)，但不能把它写成单点命中率。
• “找出覆盖 95% 样本的阈值”对应 Quantile(0.95)。
• “区间 [a,b] 内的概率”通常对应 CDF(b)-CDF(a)，要根据分布的端点约定处理开闭区间。

如果代码接收的是一个抽象分布接口，还要注意方法是否存在于接口中；具体类型如 Normal、Binomial、Beta 等都提供相应的查询方法，但每种分布的支持范围和参数约束仍应回到官方文档确认。

相关问题

Prob(x) 能不能直接当成概率？

不能一概而论。连续分布中它是密度函数值，不能解释为“恰好等于 x 的概率”；离散分布中它通常对应恰好取到该点的概率质量。文章中的业务判断应优先使用 CDF、Survival 或区间差值。

为什么 CDF 的结果通常在 0 和 1 之间？

CDF 表示累计概率，因此在正常参数和有限查询点下，它表达的是从左侧累计到该点的比例。极端尾部可能受到浮点数精度影响，但语义仍是累计分布函数，而不是密度高度。

如何计算某个区间的概率？

对于连续分布，常用 CDF(上界)-CDF(下界)。如果要计算右尾，优先使用 Survival；如果是离散分布，则要结合端点是否包含以及分布的整数取值范围确认写法。

Quantile 和 CDF 是什么关系？

CDF 是给定 x 求累计概率，Quantile 是给定累计概率反查 x。可以把它们看成正向查询和反向查询，但分位点在离散分布中还涉及最小满足条件的取值规则。

总结一下：Gonum 的 Prob 解决“分布在一个点附近的函数值是什么”，CDF 解决“截至这个点累计了多少概率”。先说清业务问题是密度、左尾、右尾还是分位点，再选对应 API，就不会把一个曲线高度误写成累计概率。