合适的概率分布对象分组数据

步骤1。加载示例数据。

加载示例数据。

负载carsmall;

数据包含英里每加仑(英里/加仑)测量不同品牌和型号的汽车,按原产国(分组起源),模型(Model_Year)和其他车辆的特征。

步骤2。创建一个分类数组。

变换起源到一个分类数组。

起源=分类(cellstr(起源));

步骤3。每组适合内核发行版。

使用fitdist适合内核发行版中的每个原产国集团英里/加仑数据。

[KerByOrig、国家]= fitdist(英里/加仑,“内核”,“通过”起源)

KerByOrig =1×6单元阵列{1 x1概率。x1 prob.KernelDistribution KernelDistribution} {1}{1 x1概率。x1 prob.KernelDistribution KernelDistribution} {1}{1 x1概率。x1 prob.KernelDistribution KernelDistribution} {1}

国家=6 x1细胞{“法国”}{“德国”}{“意大利”}{‘日本’}{“瑞典”}{'美国'}

细胞数组KerByOrig包含六个内核分配对象,一个用于每个国家代表在样例数据。每个对象包含属性保存的信息数据,分布和参数。数组国家列出了原产国为每个组在相同的顺序存储在分布对象KerByOrig。

步骤4。计算每组的pdf。

提取概率分布对象为德国、日本和美国。每个国家使用的位置KerByOrig步骤3所示,这表明德国第二的国家,日本是第四的国家,美国是第六的国家。计算每组的pdf。

德国= KerByOrig {2};日本= KerByOrig {4};美国= KerByOrig {6};x = 0:1:50;USA_pdf = pdf(美国x);Japan_pdf = pdf(日本,x);Germany_pdf = pdf(德国,x);

第5步。情节每组的pdf。

情节pdf为每个组在同一图。

情节(x, USA_pdf,的r -)举行在情节(x, Japan_pdf,b -。)情节(x, Germany_pdf凯西:”)({传奇“美国”,“日本”,“德国”},“位置”,“西北”)标题(“MPG的原产国”)包含(“英里”)

由此产生的情节显示英里每加仑(英里/加仑由原产国()性能不同起源)。通过这些数据,美国分布最广,其峰值是最低的英里/加仑价值的三个来源。日本最常规的分布稍微重左尾,并在最高峰值英里/加仑价值的三个来源。峰值之间的德国是美国和日本,第二个肿块附近44英里每加仑表明可能有多个模式的数据。