创建一个标准正态分布对象， $$\mathrm{\mu .}$$等于0，而标准差， $$\mathrm{\sigma .}$$，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 $$\mathrm{\mu .}$$和 $$\mathrm{\sigma .}$$．

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， $$\mathrm{\lambda .}$$，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 $$\mathrm{\lambda .}$$．

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