normplot
正态概率图
描述
例子
生成正态概率图
从正态分布中生成随机样本数据μ= 10和σ= 1．
rng默认的；%的再现性x = normrnd(10, 1, 25日,1);
创建样本数据的正态概率图。
图;normplot (x)
这张图表明数据服从正态分布。
使用正态概率图评估正态性
从四个不同的分布中分别生成50个随机数:一个标准正态分布;5个自由度的学生t分布(“肥尾”分布);一组皮尔逊随机数μ等于0,σ等于1，偏度等于0.5，峰度等于3(“右偏”分布);和一组皮尔逊随机数μ等于0,σ等于1，偏度等于-0.5，峰度等于3(一个“左偏”分布)。
rng (11)%的再现性x1 = normrnd (0, 1, [50, 1]);x2 = trnd (5 [50, 1]);x3 = pearsrnd(0、1、0.5、3 [50,1]);x4 = pearsrnd(0、1、-0.5、3 [50,1]);
在同一个图上绘制四个直方图，以便对每个分布的pdf进行可视化比较。
图subplot(2,2,1)直方图(x1,10) title(“正常”)轴([-4,4,0,15])子图(2,2,2)直方图(x2,10)“肥尾”子图(2,2,3)直方图(x3,10) title(“右偏态”)轴([-4,4,0,15])子图(2,2,4)直方图(x4,10)标题(“没有”)轴([4 4 0 15])
直方图显示了每个样本与正态分布的差异。
为每个样本创建一个正态概率图。
图subplot(2,2,1) normplot(x1) title(“正常”) subplot(2,2,2) normplot(x2) title(“肥尾”) subplot(2,2,3) normplot(x3) title(“右偏态”) subplot(2,2,4) normplot(x4) title(“没有”）
调整正态概率曲线属性
创建一个50 × 2的矩阵，包含来自两种不同分布的50个随机数:第1列是一个标准正态分布，和一组Pearson随机数μ等于0,σ在列2中等于1，偏度等于0.5，峰度等于3(“右偏”分布)。
rng默认的%的再现性x = [normrnd (0, 1, [50, 1]) pearsrnd(0、1、0.5、3 [50,1]));
在同一个图上为两个样本创建一个正态概率图。返回情节线图形句柄。
图h = normplot(x)
h = 6x1 Line array: Line Line Line Line . h = 6x1 Line array: Line Line Line Line
传奇({“正常”，“右偏态”}，“位置”，“东南”）
句柄h(1)和h(2)分别对应于正态分布和偏态分布的数据点。句柄h(3)和h(4)对应于适合样本数据的第二和第三个四分位线。句柄h(5)和h(6)对应的外推线延伸到每组样本数据的最小值和最大值。
为说明这一点，将正态分布数据样本(用h(3)表示)的第二和第三个四分位数的线宽增加到2。
h(3)。行Width = 2; h(4).LineWidth = 2;
输入参数
输出参数
算法
normplot将样本数据的分位数匹配到正态分布的分位数。样本数据被排序并绘制在x轴上。y轴表示正态分布的分位数，转换成概率值。因此，y轴的缩放不是线性的。
x轴的值在哪里我排序值从一个大小的样本N， y轴值为数据经验累积分布函数评价点之间的中点。中点等于 ．
normplot叠加一条参考线以评估绘图的线性度。这条线穿过数据的第一和第三个四分之一。
选择功能
你可以使用probplot函数创建一个概率图。的probplot函数使您能够指示经过审查的数据并指定概率图的分布。
你也可以从以下列表中选择一个网站:
