累积分布函数 (CDF)

累积分布函数（Cumulative Distribution Function, CDF）是概率论与统计学中描述随机变量概率分布的基础函数。在数学上，它定义为随机变量 X 取值小于或等于任意实数 x 的概率，即 F(x) = P(X ≤ x)。作为概率密度函数（PDF）的积分结果，CDF 将离散的或连续的概率分布转化为单调非递减的累积概率曲线。与仅描述局部概率密度的 PDF 不同，CDF 提供了从负无穷到任意点的累积概率视图，能够完整、唯一地描述实随机变量的概率分布特性，是连接理论概率分布与统计推断的关键桥梁。

在现代计算架构与数据分析生态中，累积分布函数扮演着从原始数据到统计洞察转化的核心角色。它不仅是理论概率分布的完整表征，更是数据科学、机器学习算法（如损失函数、分位数回归）及金融风险管理中的基石。其核心价值在于将复杂的分布形态转化为直观的累积概率，使得比较不同分布、计算分位数、进行假设检验以及构建鲁棒的统计模型成为可能。在工程实践中，CDF 的离散化近似（如直方图累积）是处理大规模数据分布分析的标准范式，其稳健性使其成为处理噪声数据、异常值检测及模型评估的通用工具。