icdf

正态分布计算icdf值通过指定分布的名字“正常”和分布参数。

定义输入向量p包含计算icdf概率值。

p = (0.1, 0.25, 0.5, 0.75, 0.9);

计算icdf值的正态分布的意思 $$\mu$$等于1和标准差 $$\sigma$$等于5。

μ= 1;σ= 5;y = icdf (“正常”、磷、μ、σ)

y =1×5-5.4078 -2.3724 1.0000 4.3724 7.4078

每个值在y对应于一个值在输入向量x。例如,在价值x等于1,对应的icdf价值y等于7.4078。

创建一个正态分布对象计算的icdf值正态分布使用对象。

创建一个正态分布对象的意思 $$\mu$$等于1和标准差 $$\sigma$$等于5。

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

定义输入向量p包含计算icdf概率值。

p = (0.1, 0.25, 0.5, 0.75, 0.9);

计算icdf值为正态分布值p。

x = icdf (pd, p)

x =1×5-5.4078 -2.3724 1.0000 4.3724 7.4078

每个值在x对应于一个值在输入向量p。例如,在价值p等于0.9,相应的icdf价值x等于7.4078。

创建一个泊松分布对象的速度参数, $$\lambda$$,等于2。

λ= 2;pd = makedist (“泊松”,“λ”λ);

定义输入向量p包含计算icdf概率值。

p = (0.1, 0.25, 0.5, 0.75, 0.9);

泊松分布计算icdf值的值p。

x = icdf (pd, p)

x =1×50 1 2 3 4

每个值在x对应于一个值在输入向量p。例如,在价值p等于0.9,相应的icdf价值x等于4。

或者,您可以计算相同的icdf值没有创建一个概率分布对象。使用icdf功能和使用相同的值指定一个泊松分布的参数 $$\lambda$$。

x2 = icdf (“泊松”,p,λ)

x2 =1×50 1 2 3 4

icdf值一样使用概率分布对象计算。

创建一个标准正态分布对象。

pd = makedist (“正常”)

pd = NormalDistribution正态分布μ= 0σ= 1

确定关键值在5%的显著性水平检验统计量与标准正态分布,通过计算上下2.5%的值。

x = icdf (pd, [.025 .975])

x =1×2-1.9600 - 1.9600

提供和阴影关键区域的阴谋。

p = normspec (x, 0 1“外”)

p = 0.0500