对于一维数据可视化，直方图和核密度估计可以很好地表示各数据值的概率分布，但在表示数据累积分布方面这两种方法无能为力。数据的累积分布，也即小于等于当前数据值的所有数据的概率分布，对于表示数据点在某个区间内出现的概率有很大的帮助数学上，累积分布函数(Cumulative Distribution Function，简称CDF ) )是概率分布函数积分； 另外一方面，在制作累积分布函数情况下，由于真正的概率分布函数是未知的，所以大多被定义为直方图分布的积分：
累积分布函数(CDF )的使用是以分布在-4到4之间的10000个据点为例，用直方图和核密度的推定值绘制的。
这两幅图可以很好地表示-4到4之间任意数据值概率的大小，但很难回答以下几个问题
所有大于2的数据点占整个数据集的百分比是多少？ 大于1.3且小于2的所有数据点占整个数据集的百分比是多少？ 在上述例子中，数据集大致遵循正态分布，因此能够根据直方图或核密度推测的结果推测这两个问题的答案； 但是，在不规则的概率分布曲线中，这样做几乎是行不通的。 回答上述问题的常见方法是创建累积分布函数图。
根据这个累积分布函数图，可以很容易地回答以前的两个问题：
由于CDF横轴与2相对应的y值约为0.98，所以大于2的所有数据点所占的比例约为2%。 因为CDF横轴的1.3对应的y值约为0.75，所以介于1.3和2之间的所有数据点所占的比例约为23%(0.98-0.75 )。 与直方图、核密度估计相比，累积分布函数具有以下特征。
3358 www.Sina.com/http://www.Sina.com/http://www.Sina.com/http://www.Sina.com /