正态分布中PDF值大于CDF值的原因是什么？

你的基础认知没有错误：连续概率分布的累计分布函数（CDF），确实是概率密度函数（PDF）从负无穷到当前取值点的积分结果，你调用的scipy接口计算结果也完全准确。
出现观测现象的核心原因是对PDF的定义理解有偏差：

• PDF是概率密度而非概率本身，它的取值没有[0,1]的范围限制，仅要求PDF曲线在整个取值域的积分结果为1即可。CDF是累计概率，取值固定落在[0,1]区间内，代表随机变量取值小于等于当前点的总概率。
• 你观测到的标准正态分布x=-1处的结果符合数学定义：stats.norm.cdf(-1) 得到的0.1587，是PDF曲线从-∞到-1区间的总面积；stats.norm.pdf(-1)得到的0.2420，是PDF曲线在x=-1处的高度。曲线单点高度大于该点左侧的总面积是完全合理的。

可以用更简单的均匀分布案例验证这个逻辑：假设存在均匀分布U(0, 0.5)，它的PDF是常数2，在x=0.25处，PDF取值为2，CDF取值为0.5，同样满足PDF>CDF，和你遇到的情况逻辑完全一致。

内容的提问来源于stack exchange，提问作者Ben