Khi phân biệt được thực hiện giữa hàm xác suất và mật độ *, pmf chỉ áp dụng cho các biến ngẫu nhiên rời rạc, trong khi pdf áp dụng cho các biến ngẫu nhiên liên tục.
* phương pháp chính thức có thể bao gồm cả hai và sử dụng một thuật ngữ duy nhất cho chúng
Cdf áp dụng cho bất kỳ biến ngẫu nhiên nào, bao gồm cả các biến không có pdf và pmf.
( Phân phối hỗn hợp không phải là trường hợp phân phối duy nhất không có pdf hoặc pmf, nhưng đó là tình huống khá phổ biến - ví dụ: xem xét lượng mưa trong một ngày hoặc số tiền được trả trong các khiếu nại một chính sách bảo hiểm tài sản, một trong hai chính sách có thể được mô hình hóa bằng phân phối liên tục không lạm phát)
Cdf cho một biến ngẫu nhiên choP ( X ≤ x )XP( X≤ x )
Pmf cho một biến ngẫu nhiên rời rạc , cho .P ( X = x )XP( X= x )
Bản thân pdf không cung cấp xác suất , nhưng xác suất tương đối; phân phối liên tục không có xác suất điểm. Để có được xác suất từ pdf, bạn cần tích hợp trong một khoảng thời gian - hoặc lấy chênh lệch của hai giá trị cdf.
Thật khó để trả lời câu hỏi "chúng có chứa cùng một thông tin không" bởi vì nó phụ thuộc vào ý của bạn. Bạn có thể chuyển từ pdf sang cdf (thông qua tích hợp) và từ pmf sang cdf (thông qua tổng hợp) và từ cdf sang pdf (thông qua sự khác biệt) và từ cdf sang pmf (thông qua sự khác biệt), vì vậy nếu tồn tại pmf hoặc pdf, nó chứa thông tin giống như cdf.