逆累积分布函数
创建一个标准正态分布对象, 等于0,而标准差, ,等于1。
μ= 0;σ= 1;pd = makedist (“正常”,“亩”,亩,“σ”σ);
定义输入向量p包含用于计算icdf的概率值。
p = (0.1, 0.25, 0.5, 0.75, 0.9);
计算标准正态分布的icdf值p.
x = icdf (pd, p)
x =1×5-1.2816 -0.6745 0 0.6745 1.2816
每个值在x对应于输入向量中的值p.例如,at值p等于0.9,对应的icdf值x等于1。2816。
或者,您可以计算相同的icdf值,而不创建概率分布对象。使用icdf
函数,并使用相同的参数值指定标准正态分布
和
.
x2 = icdf (“正常”、磷、μ、σ)
x2 =1×5-1.2816 -0.6745 0 0.6745 1.2816
icdf值与使用概率分布对象计算的值相同。
创建一个带有速率参数的泊松分布对象, ,等于2。
λ= 2;pd = makedist (“泊松”,“λ”λ);
定义输入向量p包含用于计算icdf的概率值。
p = (0.1, 0.25, 0.5, 0.75, 0.9);
计算中值处泊松分布的icdf值p.
x = icdf (pd, p)
x =1×50 1 2 3 4
每个值在x对应于输入向量中的值p.例如,at值p等于0.9,对应的icdf值x等于4。
或者,您可以计算相同的icdf值,而不创建概率分布对象。使用icdf
函数,并指定一个泊松分布使用相同的值的速率参数
.
x2 = icdf (“泊松”, p,λ)
x2 =1×50 1 2 3 4
icdf值与使用概率分布对象计算的值相同。
创建一个标准正态分布对象。
pd = makedist (“正常”)
正态分布mu = 0 = 1
通过计算上、下2.5%值,确定具有标准正态分布的检验统计量在5%显著性水平上的临界值。
x = icdf (pd, [.025 .975])
x =1×2-1.9600 - 1.9600
绘制cdf,并遮蔽关键区域。
p = normspec (x, 0 1“外”)
p = 0.0500
'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” |
毛刺类型十二分布 | 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.吝啬的 | - - - - - - | - - - - - - | - - - - - - |
“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尾巴指数(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在总体中具有所需特性的项目的数量 | n抽取样本数量 | - - - - - - |
“InverseGaussian” |
逆高斯分布 | μ.尺度参数 | λ.形状参数 | - - - - - - | - - - - - - |
“物流” |
物流配送 | μ.吝啬的 | 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 | - - - - - - | - - - - - - |
对数正态的 |
对数正态分布 | μ.对数值的平均值 | σ.对数值的标准偏差 | - - - - - - | - - - - - - |
“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.吝啬的 | σ.标准偏差 | - - - - - - | - - - - - - |
“泊松” |
泊松分布 | λ.吝啬的 | - - - - - - | - - - - - - | - - - - - - |
'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最大可观测值 | - - - - - - | - - - - - - | - - - - - - |
'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,指定为使用该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 |
创建一个分段分布对象,在尾部泛化帕累托分布。 |
icdf
一个泛型函数是否按其名称接受一个分布'名称'
或者一个概率分布对象pd
.使用特定于发行版的函数会更快,例如norminv
对于正态分布binoinv
对于二项分布。有关特定于分布的函数的列表,请参见金宝app支持分布.
用法说明和限制:
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从fitdist
函数。例如,请参见概率分布对象的代码生成.
您点击了一个对应于这个MATLAB命令的链接:
通过在MATLAB命令窗口中输入该命令来运行该命令。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:
请选择表现最佳的中国网站(中文或英文)。MathWorks的其他国家网站并没有针对您所在位置的访问进行优化。