Что можно сказать по графику функции распределения и графику плотности распределения
Что проверяют
Базовую вероятностную грамотность, без которой невозможно читать метрики сервиса. Бэкенд на Go постоянно живёт в графиках задержек и перцентилей, и вопрос проверяет, отличаете ли вы накопленную вероятность от плотности и умеете ли делать выводы по форме кривой.
Как отвечать
Начните с определений и связи между ними. Функция распределения это F(x) = P(X <= x): она не убывает, начинается около нуля и стремится к единице. Плотность это производная функции распределения, а её значение вероятностью не является: вероятность попасть в интервал равна площади под кривой, и вся площадь равна единице.
Дальше скажите, что именно читается с каждого графика.
По плотности видно форму: где пик, то есть мода; симметрична ли кривая или скошена; сколько мод, потому что два горба почти всегда означают смесь двух разных режимов работы; насколько тяжёлый у неё хвост.
По функции распределения видно числа: медиана это точка пересечения уровня 0.5, перцентили читаются так же по уровням 0.95 и 0.99. Крутой участок означает скопление массы, пологий говорит, что значения там почти не встречаются, вертикальный скачок означает дискретную часть, то есть конкретное значение с ненулевой вероятностью. Два распределения удобнее сравнивать именно по накопленным кривым: если одна целиком лежит ниже другой, её значения систематически больше.
Хорошо закончить практикой: у времени ответа сервиса обычно есть второй горб от промахов кэша и длинный правый хвост, поэтому среднее и p99 расходятся в разы, и SLO формулируют по перцентилю.
Где спотыкаются
Говорят, что плотность это вероятность конкретного значения. Для непрерывной величины такая вероятность равна нулю, а плотность спокойно бывает больше единицы: это скорость набора вероятности, а не вероятность.
Второе: путают, что где искать. Ищут пик на накопленной кривой или ждут, что она вернётся к нулю. Пиков у неё нет, максимум плотности виден на ней как участок наибольшей крутизны.
Третье: читают график как симметричный. У скошенного распределения мода, медиана и среднее не совпадают, среднее уезжает в сторону хвоста. Именно поэтому средняя задержка выглядит приличной, когда каждый сотый запрос отвечает секундами.