左边是自定义的概率分布图PDF，右边是对应的CDF

现在目的是画出左图的近似柱状图，

这里需要numpy.interp(u_rv,xp=CDF,fp=x_samples)这个关键的插值运算。

其中第一个参数u_rv提供插值点的x坐标，最终函数会返回对应的插值所得的y值

第二个参数和第三个参数组合成为预先设置的原始点坐标，第二个参数为点的x值，第三个参数为对应y值。

特别注意这里的xp和fp的位置颠倒了，这实质是相当于给CDF的反函数——逆累积分布函数做插值，得到的是累积分布函数概率所对应的点。

下面小解一下逆CDF：

逆累积分布函数就是返回给定概率条件下的自变量的临界值，实际上是分布函数的逆函数。即：在分布函数F(x)=p中已知p求其相对应的x的值。

matlab中常用分布的逆累计分布函数的命令：

matlab中示例：

第一例：计算标准正态分布N(0,1)概率值0.1，0.3，0.5，0.7，0.9，所对应的x的值

第二例：计算二项分布b(10,0.5)概率值0.1，0.3，0.5，0.7，0.9，所对应的x的值