累积分布函数
y = cdf (___“上”)
使用更精确地计算极端上尾概率的算法返回CDF的补充。'上'
可以跟随前面语法中的任何输入参数。
创建一个标准的正态分布对象, ,等于0,标准差, ,等于1。
μ= 0;σ= 1;pd = makedist (“正常”,“亩”,亩,“σ”σ);
定义输入向量x包含用于计算cdf的值。
x = (2, 1, 0, 1, 2);
计算标准正态分布的cdf值x.
y = cdf(pd,x)
y =1×50.0228 0.1587 0.5000 0.8413 0.9772
每个值在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0.8413。
或者,您可以计算相同的cdf值而不创建一个概率分布对象。使用提供
功能,并使用相同的参数值指定标准的正态分布
和
.
y2 = cdf (“正常”, x,μ、σ)
y2 =1×50.0228 0.1587 0.5000 0.8413 0.9772
CDF值与使用概率分布对象计算的值相同。
用速率参数创建泊松分布对象, ,等于2。
lambda = 2;pd = makedist ('泊松',“λ”λ);
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
每个值在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值而不创建一个概率分布对象。使用提供
函数,并使用相同的速率参数值指定泊松分布,
.
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。
创建标准的正态分布对象。
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)
创建三个伽马分布对象。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_gamma = cdf(pd_gamma,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 = plot(x,cdf_12,“r——”);L =情节(x, cdf_21“k -”。);集(J,“线宽”,2);设置(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 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
'名称'
- - - - - -概率分布的名字概率分布名称,指定为该表中的一个概率分布名称。
'名称' |
分布 | 输入参数一个 |
输入参数B |
输入参数C |
输入参数D |
---|---|---|---|---|---|
“β” |
贝塔分布 | 一个第一个形状参数 | b第二个形状参数 | - - - - - - | - - - - - - |
“二” |
二项分布 | n数量的试验 | p每次试验成功的概率 | - - - - - - | - - - - - - |
“BirnbaumSaunders” |
Birnbaum-Saunders分布 | β尺度参数 | γ.形状参数 | - - - - - - | - - - - - - |
“毛刺” |
毛刺型XII分布 | α.尺度参数 | c第一个形状参数 | k第二个形状参数 | - - - - - - |
“Chisquare” |
卡方分布 | ν自由度 | - - - - - - | - - - - - - | - - - - - - |
“指数” |
指数分布 | μ.意思 | - - - - - - | - - - - - - | - - - - - - |
“极端值” |
极端值分布 | μ.位置参数 | σ.尺度参数 | - - - - - - | - - - - - - |
“F” |
F分布 | ν1分子自由度 | ν2分母自由度 | - - - - - - | - - - - - - |
“伽马” |
伽马分布 | 一个形状参数 | b尺度参数 | - - - - - - | - - - - - - |
“广义极值” |
广义极值分布 | k形状参数 | σ.尺度参数 | μ.位置参数 | - - - - - - |
广义帕累托的 |
广义帕累托分布 | k尾指数(形状)参数 | σ.尺度参数 | μ.阈值(位置)参数 | - - - - - - |
“几何” |
几何分布 | p概率参数 | - - - - - - | - - - - - - | - - - - - - |
“HalfNormal” |
Half-Normal分布 | μ.位置参数 | σ.尺度参数 | - - - - - - | - - - - - - |
“超几何” |
超几何分布 | 米人口规模 | k具有所需特性的物品数量 | n抽取样本数 | - - - - - - |
“InverseGaussian” |
逆高斯分布 | μ.尺度参数 | λ.形状参数 | - - - - - - | - - - - - - |
“物流” |
物流配送 | μ.意思 | σ.尺度参数 | - - - - - - | - - - - - - |
“LogLogistic” |
Loglogistic分布 | μ.对数值的平均值 | σ.对数值的比例参数 | - - - - - - | - - - - - - |
'lognormal' |
对数正态分布 | μ.对数值的平均值 | σ.对数值的标准差 | - - - - - - | - - - - - - |
“Nakagami” |
Nakagami分布 | μ.形状参数 | ω.尺度参数 | - - - - - - | - - - - - - |
“负二项” |
负二项分布 | r许多的成功 | p一次试验成功的概率 | - - - - - - | - - - - - - |
'非中心f' |
无心的F分布 | ν1分子自由度 | ν2分母自由度 | δ.非中心参数 | - - - - - - |
“非中心t” |
非中心t分布 | ν自由度 | δ.非中心参数 | - - - - - - | - - - - - - |
“非中心卡方” |
非中央驰广场分布 | ν自由度 | δ.非中心参数 | - - - - - - | - - - - - - |
“正常” |
正态分布 | μ.意思 | σ.标准偏差 | - - - - - - | - - - - - - |
'泊松' |
泊松分布 | λ.意思 | - - - - - - | - - - - - - | - - - - - - |
'瑞利' |
瑞利分布 | b尺度参数 | - - - - - - | - - - - - - | - - - - - - |
“Rician” |
Rician分布 | 年代非中心参数 | σ.尺度参数 | - - - - - - | - - - - - - |
“稳定” |
稳定分布 | α.第一个形状参数 | β第二个形状参数 | γ.尺度参数 | δ.位置参数 |
“T” |
学生的T分配 | ν自由度 | - - - - - - | - - - - - - | - - - - - - |
“tLocationScale” |
t Location-Scale分布 | μ.位置参数 | σ.尺度参数 | ν形状参数 | - - - - - - |
“统一” |
均匀分布(连续) | 一个下端点(最小) | b上端点(最大) | - - - - - - | - - - - - - |
离散均匀的 |
均匀分布(离散) | n最大可观察值 | - - - - - - | - - - - - - | - - - - - - |
'weibull' |
威布尔分布 | 一个尺度参数 | b形状参数 | - - - - - - | - - - - - - |
例子:“正常”
pd
- - - - - -概率分布概率分布,指定为使用本表中的函数或应用程序创建的概率分布对象。
功能或应用程序 | 描述 |
---|---|
makedist |
使用指定的参数值创建一个概率分布对象。 |
fitdist |
拟合一个概率分布对象到样本数据。 |
分布更健康 | 适用于使用交互式分配钳工应用程序对数据进行采样的概率分布,并将拟合对象导出到工作区。 |
paretotails |
创建一个尾部具有广义Pareto分布的分段分布对象。 |
使用注意事项及限制:
输入参数'名称'
必须是编译时常量。例如,要使用正态分布,包括coder.Constant(“正常”)
在里面arg游戏
的价值codegen
.
输入参数pd
可以是beta、指数、极值、对数正态、正态和威布尔分布的拟合概率分布对象。创建pd
通过拟合概率分布的样本数据fitdist
函数。例如,请参见概率分布对象的代码生成.
你点击一个链接对应于这个MATLAB命令:
通过在MATLAB命令窗口中输入命令来运行命令。Web浏览器不支持MATLAB命令。金宝app
你也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。