计算机计算概率密度的方法取决于所处理的数据类型和分布。以下是几种常见的方法：
均匀分布的概率密度计算
对于均匀分布，概率密度函数（PDF）等于一段区间（事件的取值范围）的概率除以该段区间的长度。公式为：
\[
f（x） = \frac{1}{b-a}
\]
其中，\（a\） 和 \（b\） 分别是区间的下限和上限。
正态分布的概率密度计算
对于服从正态分布 \（N（\mu, \sigma^2）\） 的连续型随机变量 \（X\），其概率密度函数为：
\[
f（x） = \frac{1}{\sqrt{2\pi}\sigma} e^{-\frac{（x-\mu）^2}{2\sigma^2}}
\]
其中，\（\mu\） 是均值，\（\sigma\） 是标准差。
使用统计软件
利用统计软件（如Matlab、R、Python的SciPy库等）可以方便地计算概率密度函数。例如，在Matlab中，可以使用 `ksdensity` 函数计算样本的概率密度估计：
```matlab
x = [1, 2, 3, 4, 5]； % 样本数据
f = ksdensity（x）； % 计算概率密度
plot（x, f）； % 绘制概率密度曲线
```
使用Excel
在Excel中，可以使用 `NORMDIST` 函数计算正态分布的概率密度：
```excel
=NORMDIST（x, mean, standard_deviation, true）
```
对于其他分布，可以使用相应的Excel函数，如 `BINOM.DIST`、`EXP`、`LOG` 等。
编程语言
在Python中，可以使用 `scipy.stats` 模块中的函数计算概率密度，例如：
```python
import scipy.stats as stats
x = [1, 2, 3, 4, 5]
pdf = stats.norm.pdf（x, mean, std_dev）
```
联合概率密度计算
对于两个随机变量 \（X\） 和 \（Y\），联合概率密度函数 \（f（x, y）\） 可以通过以下公式计算：
\[
f（x, y） = \frac{f_X（x） \cdot f_Y（y）}{P（X \leq x, Y \leq y）}
\]
其中，\（f_X（x）\） 和 \（f_Y（y）\） 分别是 \（X\） 和 \（Y\） 的边缘概率密度函数，\（P（X \leq x, Y \leq y）\） 是联合概率。
选择哪种方法取决于具体的应用场景和数据类型。对于简单分布，可以直接使用公式计算；对于复杂分布或大量数据，使用统计软件或编程语言更为高效。