文件帮助中心文件
伽马累积分配功能
p = gamcdf(x,a)
p = gamcdf(x,a,b)
[p,plo,pup] = gamcdf(x,a,b,pcov)
[p,plo,pup] = gamcdf(x,a,b,pcov,alpha)
___= gamcdf(___,'上')
P.= gamcdf(X那一种)返回标准伽马分布的累积分布函数(CDF),具有形状参数一种,评估价值X。
P.= gamcdf(X那一种)
P.
X
一种
例子
P.= gamcdf(X那一种那B.)用形状参数返回伽马分布的CDF一种和比例参数B.,评估价值X。
P.= gamcdf(X那一种那B.)
B.
[P.那PLO.那小狗] = gamcdf(X那一种那B.那PCOV.)还返回95%的置信区间[PLO.那小狗] 的P.什么时候一种和B.是估计的。PCOV.是估计参数的协方差矩阵。
[P.那PLO.那小狗] = gamcdf(X那一种那B.那PCOV.)
PLO.
小狗
PCOV.
[P.那PLO.那小狗] = gamcdf(X那一种那B.那PCOV.那α)指定置信区间的置信水平[PLO.小狗] 成为100(1-alpha)%。
[P.那PLO.那小狗] = gamcdf(X那一种那B.那PCOV.那α)
α
100(1-alpha)
___= gamcdf(___,'上')返回CDF的补充,在值下评估X,使用更准确地计算极端上尾概率的算法,而不是从1从1中减去较低的尾值。'上'可以遵循先前语法中的任何输入参数组合。
'上'
全部收缩
计算伽玛分布的平均值的CDF,其等于参数的乘积ab。
a = 1:6;b = 5:10;prob = gamcdf(a。* b,a,b)
概率=1×6.0.6321 0.5940 0.5768 0.5665 0.5595 0.5543
作为ab增加,分布变得更加对称,平均接近中位数。
ab
找到一个置信区间,估计观察在间隔中的概率[0 10]使用伽马分布式数据。
[0 10]
生成一个样本1000伽玛分布式随机数,带有形状2和规模5.。
1000
2
5.
X = GAMRND(2,5,1000,1);
计算参数的估计值。
[params,〜] = gamfit(x)
params =1×22.1089 4.8147
将参数存储为一顶帽子和Bhat.。
一顶帽子
Bhat.
ahat = params(1);bhat = params(2);
找到参数估计的协方差。
[〜,ncov] = gamlike(params,x)
ncov =2×20.0077 -0.0176 -0.0176 0.0512
创建置信区间估计观察在间隔中的概率[0 10]。
[prob,plo,pup] = gamcdf(10,ahat,bhat,ncov)
prob = 0.5830.
PLO = 0.5587
PUP = 0.6069.
确定具有形状参数的伽马分布观察的概率2和比例参数3将处于间隔[150 inf]。
[150 inf]
P1 = 1 - GAMCDF(150,2,3)
p1 = 0.
GAMCDF(150,2,3)几乎1, 所以P1成为0.。指定'上'以便GAMCDF.更准确地计算极端上尾概率。
GAMCDF(150,2,3)
1
P1
0.
GAMCDF.
p2 = gamcdf(150,2,3,'上')
P2 = 9.8366E-21
评估CDF的值,指定为非负标量值或非负标量值数组。
如果您指定PCOV.计算置信区间[PLO.那小狗], 然后X必须是标量值。
[PLO.那小狗]
以多个值评估CDF,请指定X使用数组。
要评估多个分布的CDF,请指定一种和B.使用数组。
如果一个或多个输入参数X那一种, 和B.是数组,那么阵列大小必须是相同的。在这种情况下,GAMCDF.将每个标量展开到与阵列输入相同大小的常数阵列中。每个元素P.是相应元素指定的分布的CDF值一种和B.,在相应的元素处进行评估X。
例子:[3 4 7 9]
[3 4 7 9]
数据类型:单身的|双倍的
单身的
双倍的
伽玛分布的形状,指定为正标量值或正标量值阵列。
例子:[1 2 3 5]
[1 2 3 5]
伽马分布的比例,指定为正标量值或正标量值数组。
例子:[1 1 2 2]
[1 1 2 2]
估计的协方差一种和B.,指定为2×2矩阵。
如果您指定PCOV.计算置信区间[PLO.那小狗], 然后X那一种, 和B.必须是标量值。
你可以估计一种和B.通过使用gamfit.要么m,并估计协方差一种和B.通过使用gamlike.。例如,看到伽玛CDF值的置信区间。
gamfit.
m
gamlike.
置信区间的显着性水平,指定为范围(0,1)的标量。置信水平是100(1-alpha)%, 在哪里α置信区间不包含真实值的概率。
例子:0.01
0.01
CDF值评估在值中X,返回为标量值或标量值数组。P.与尺寸相同X那一种, 和B.经过任何必要的标量扩展。每个元素P.是相应元素指定的分布的CDF值一种和B.,在相应的元素处进行评估X。
较低的置信度P.,返回为标量值或标量值数组。PLO.具有相同的尺寸P.。
上置信度束缚P.,返回为标量值或标量值数组。小狗具有相同的尺寸P.。
伽玛分布是一个双参数曲线系列。参数一种和B.是形状和鳞片。
伽玛cdf是
P. = F ( X | 一种 那 B. ) = 1 B. 一种 γ. ( 一种 ) ∫ 0. X T. 一种 - 1 E. - T. B. D. T. 。
结果P.是从伽马分布与参数的单一观察的概率一种和B.落在间隔[0,X]。
伽玛CDF与不完全的伽马功能有关Gammainc.经过
Gammainc.
F ( X | 一种 那 B. ) = Gammainc. ( X B. 那 一种 ) 。
标准伽玛分布发生时B.= 1,这与不完全的伽马功能一致。
有关更多信息,请参阅伽玛分布。
GAMCDF.是一个特定于伽马分布的功能。统计和机器学习工具箱™还提供通用功能CDF.,支持各种概率分金宝app布。使用CDF., 创建一个伽马分布概率分布对象并将对象作为输入参数或指定概率分布名称及其参数。请注意,特定于分发功能GAMCDF.比通用功能更快CDF.。
CDF.
伽马分布
使用概率分布功能应用程序为概率分布创建累积分布函数(CDF)或概率密度函数(PDF)的交互式图。
此功能完全支持GPU阵列。金宝app有关更多信息,请参阅在GPU上运行matlab函数(并行计算工具箱)。
CDF.|gamfit.|gaminv.|gamlike.|伽玛|伽马分布|Gampdf.|GAMRND.|Gamstat.
gaminv.
伽玛
Gampdf.
GAMRND.
Gamstat.
您有此示例的修改版本。您是否希望使用您的编辑打开此示例?
您单击了与此MATLAB命令对应的链接:
在MATLAB命令窗口中输入它来运行命令。Web浏览器不支持MATLAB命令。金宝app
选择一个网站,以便在可用的地方进行翻译的内容,并查看本地活动和优惠。根据您的位置,我们建议您选择:。
您还可以从以下列表中选择一个网站:
选择中国网站(以中文或英文)以获取最佳网站性能。其他MathWorks国家网站未优化您的位置。
联系您当地的办公室