3篇6章4节：累积分布函数（CDF）图在 ggdist 的可视化演示

在医学研究中，直方图和概率密度函数（PDF）常被用来展示数据分布形态，但临床决策更常需要回答 “低于某阈值的患者占多少” 这类累积性问题。累积分布函数（CDF）正是解决这类问题的核心工具，它直观呈现数据从小到大的累积概率，在达标率、百分位数、风险分层等场景中具有不可替代的价值。传统绘图方法难以同时呈现分布细节与不确定性，而基于通过 ggdist 的函数就可可高效绘制信息丰富的 CDF 图，为医学数据的分布化、不确定性可视化提供了新的技术路径。

一、认识累积分布函数和概率密度函数

很多人第一次接触医学统计时，最熟悉的图就是直方图。比如我们统计100名患者的血糖值、血压值、肿瘤大小，画出来后会发现：有些区间人特别多，有些区间人特别少。直方图其实是在回答一个问题：“数据主要集中在哪里？”这时候如果再加上一条钟形曲线，我们就得到了经典的正态分布图，也叫概率密度函数（PDF）。

# 模拟100名患者收缩压数据 set.seed(123) sbp <- rnorm(100, mean = 135, sd = 15) # 绘制直方图并叠加正态分布PDF hist(sbp, breaks = 10, probability = TRUE, main = "Histogram with Normal PDF"