通过指定分布名称来计算正态分布的cdf值“正常”以及分布参数。

定义输入向量x包含用于计算cdf的值。

x = (2, 1, 0, 1, 2);

用平均值计算正态分布的cdf值 $$\mu$$等于1和标准偏差 $$\sigma$$等于5。

μ= 1;σ= 5;y = cdf (“正常”, x,μ、σ)

y =1×50.2743 0.3446 0.4207 0.5000 0.5793

中的每个值y对应于输入向量中的一个值x．例如，在值x等于1，对应的CDF值y等于0.5000。

创建一个正态分布对象，并使用该对象计算正态分布的cdf值。

创建一个具有平均值的正态分布对象 $$\mu$$等于1和标准偏差 $$\sigma$$等于5。

μ= 1;σ= 5;pd = makedist (“正常”，“亩”，穆，“σ”，西格玛）；

定义输入向量x包含用于计算cdf的值。

x = (2, 1, 0, 1, 2);

中值处计算正态分布的cdf值x．

y=cdf（pd，x）

y =1×50.2743 0.3446 0.4207 0.5000 0.5793

中的每个值y对应于输入向量中的一个值x．例如，在值x等于1，对应的CDF值y等于0.5000。

用速率参数创建泊松分布对象， $$\lambda$$，等于2。

λ=2；pd=makedist(“泊松”，“拉姆达”，lambda）；

定义输入向量x包含用于计算cdf的值。

x=[0,1,2,3,4]；

计算中值处泊松分布的cdf值x．

y=cdf（pd，x）

y =1×50.1353 0.4060 0.6767 0.8571 0.9473

中的每个值y对应于输入向量中的一个值x．例如，在值x等于3，对应的CDF值y等于0.8571。

或者，您可以计算相同的cdf值，而无需创建概率分布对象。使用提供函数，并使用相同的速率参数值指定泊松分布， $$\lambda$$．

y2 = cdf (“泊松”, x,λ)

y2 =1×50.1353 0.4060 0.6767 0.8571 0.9473

cdf值与使用概率分布对象计算的值相同。

创建标准正态分布对象。

pd = makedist (“正常”）

pd =正态分布正态分布mu = 0 sigma = 1

指定x值，并计算cdf。

x = 3: .1:3;p = cdf (pd, x);

画出标准正态分布的cdf。

情节(x, p)

创建三个gamma分布对象。第一个使用默认参数值。第二个指定一个= 1和b = 2．第三个指定一个= 2和b = 1．

pd_gamma = makedist (“伽马”）

pd_gamma = Gamma distribution伽马分布a = 1 b = 1

pd_12 = makedist (“伽马”，“一个”1.“b”,2)

pd_12 = Gamma distribution伽马分布a = 1 b = 2

pd_21 = makedist (“伽马”，“一个”2.“b”,1)

pd_21 = Gamma distribution伽马分布a = 2 b = 1

指定x值并计算每个分布的CDF。

x=0.1:5；cdf_γ=cdf（pd_γ，x）；cdf_12=cdf（pd_12，x）；cdf_21=cdf（pd_21，x）；

创建一个图形来显示当您为形状参数指定不同的值时伽马分布的cdf是如何变化的一个和b．

图;J =情节(x, cdf_gamma);持有在；K=曲线图（x，cdf_12，“r——”）;L =情节(x, cdf_21“k -”。）;集(J,“线宽”，2）；集合（K，“线宽”，2）；图例（[J K L]，'a = 1, b = 1'，'a = 1, b = 2'，'a = 2, b = 1'，“位置”，‘东南’）;持有从；

将帕累托尾与a拟合 $$t$$分布在累积概率0.1和0.9。

t = trnd (3100 1);obj = paretotails (t、0.1、0.9);(p, q) =边界(obj)

p =2×10.1000 - 0.9000

q =2×1-1.8487 - 2.0766

中值处计算cdf问．

提供(obj, q)

ans =2×10.1000 - 0.9000