主要内容

gaminv

γ逆累积分布函数

所有的页面崩溃

语法

x = gaminv (p)
x = gaminv (p, b)
[x, xLo xUp] = gaminv (p, a、b pCov)
[x, xLo xUp] = gaminv (p, a、b、pCovα)

描述

x= gaminv (p,一个)返回逆累积分布函数(icdf)标准伽马分布形状参数一个评估的值p。

例子

x= gaminv (p,一个,b)返回icdf伽马分布的形状参数一个和尺度参数b评估的值p。

例子

(x,xLo,xUp)= gaminv (p,一个,b,pCov)还返回95%置信区间(xLo,xUp的x当一个和b是估计。pCov的协方差矩阵估计参数。

(x,xLo,xUp)= gaminv (p,一个,b,pCov,α)指定置信区间的置信水平(xLo,xUp)是100(1α)%。

例子

全部折叠

打开生活的脚本

发现伽玛分布和形状参数的中值3和尺度参数5。

x = gaminv (0.5、3、5)
x = 13.3703
打开生活的脚本

找到一个置信区间估计中使用伽马分布的数据。

生成一个样本500年伽马分布的随机数与形状2和规模5。

x = gamrnd (5500,1);

计算参数的估计。

params = gamfit (x)
params =1×21.9820 - 5.0601

存储参数的估计ahat和bhat。

ahat = params (1);bhat = params (2);

计算参数的协方差估计。

[~,nCov] = gamlike (params, x)
nCov =2×20.0135 -0.0346 -0.0346 0.1141

创建一个置信区间估计x。

[x, xLo xUp] = gaminv (bhat, 0.50, ahat nCov)
x = 8.4021
xLo = 7.8669
xUp = 8.9737

输入参数

全部折叠

概率值,评价逆cdf (icdf)指定为一个标量值或一个标量值数组,其中每个元素是在范围内[0,1]。

如果您指定pCov计算置信区间(xLo,xUp],然后p必须是一个标量值(而不是一个数组)。

  • 在多个值,评估icdf指定p使用一个数组。

  • 评估多个发行版的icdfs,指定一个和b使用数组。

如果一个或多个输入参数p,一个,b数组,那么数组的大小必须是相同的。在这种情况下,gaminv每个标量扩展输入一个常数相同大小的数组的数组输入。中的每个元素x规定的icdf价值分布中相应的元素一个和b评估中相应的元素p。

例子:(0.1,0.5,0.9)

数据类型:单|双

伽马分布的形状参数,指定为一个积极的标量值或积极的标量值的数组。

  • 在多个值,评估icdf指定p使用一个数组。

  • 评估多个发行版的icdfs,指定一个和b使用数组。

如果一个或多个输入参数p,一个,b数组,那么数组的大小必须是相同的。在这种情况下,gaminv每个标量扩展输入一个常数相同大小的数组的数组输入。中的每个元素x规定的icdf价值分布中相应的元素一个和b评估中相应的元素p。

例子:(1 2 3 5)

数据类型:单|双

伽马分布的尺度参数,指定为一个积极的标量值或积极的标量值的数组。

  • 在多个值,评估icdf指定p使用一个数组。

  • 评估多个发行版的icdfs,指定一个和b使用数组。

如果一个或多个输入参数p,一个,b数组,那么数组的大小必须是相同的。在这种情况下,gaminv每个标量扩展输入一个常数相同大小的数组的数组输入。中的每个元素x规定的icdf价值分布中相应的元素一个和b评估中相应的元素p。

例子:[1 1 2 2]

数据类型:单|双

协方差的估计一个和b,指定为一个2×2的矩阵。

如果您指定pCov计算置信区间(xLo,xUp],然后p,一个,b必须标量值。

你可以估计一个和b通过使用gamfit或大中型企业,估计的协方差一个和b通过使用gamlike。例如,看到的置信区间的伽马icdf价值。

数据类型:单|双

显著性水平的置信区间,指定为一个标量范围(0,1)。置信水平是100(1α)%,α置信区间的概率是不包含的真正价值。

例子:0.01

数据类型:单|双

输出参数

全部折叠

icdf概率值的评估值p,作为一个标量值或返回标量值的数组。x一样的尺寸吗p,一个,b后,任何必要的标量扩张。中的每个元素x规定的icdf价值分布中相应的元素一个和b评估中相应的元素p。

较低的信心前往x,作为一个标量值或返回标量值的数组。xLo一样的尺寸吗x。

上开往信心x,作为一个标量值或返回标量值的数组。xUp一样的尺寸吗x。

更多关于

全部折叠

γicdf

伽马分布是两个参数曲线族。的参数一个和b分别是形状和规模。

γγcdf的逆函数

x = F − 1 ( p | 一个 , b ) = { x : F ( x | 一个 , b ) = p } ,

在哪里

p = F ( x | 一个 , b ) = 1 b 一个 Γ ( 一个 ) ∫ 0 x t 一个 − 1 e − t b d t 。

结果x是这样一个观测值从伽马分布参数一个和b在[0,x)的概率p。

有关更多信息,请参见伽马分布。

算法

不存在已知的解析解积分方程所示γicdf。gaminv使用迭代方法(牛顿法)的收敛解。

选择功能

  • gaminv是特定于伽马分布的函数。统计和机器学习工具箱™也提供了通用的函数icdf支持各种概率分布金宝app。使用icdf,创建一个GammaDistribution概率分布对象,通过对象作为输入参数或指定名称及其概率分布参数。注意特定函数gaminv是速度比通用的函数icdf。

扩展功能

C / c++代码生成
生成C和c++代码使用MATLAB®编码器™。

版本历史

之前介绍过的R2006a

另请参阅

|||||||

主题