binocdf

二项累积分布函数

折叠所有页面

语法

y = binocdf (x, n, p)

y = binocdf (x, n, p,“上”)

y= binocdf (x，n，p）在每个值处计算二项累积分布函数x使用中相应的试验次数n以及每次试验成功的概率p．

x，n,p可以是相同大小的向量、矩阵或多维数组。或者，一个或多个参数可以是标量。的binocdf函数将标量输入扩展为与其他输入具有相同维度的常量数组。

y= binocdf (x，n，p“上”)中的每个值返回二项累积分布函数的补码x，使用一种算法计算极端上尾概率比默认算法更精确。

打开生活的脚本

计算并绘制二项累积分布函数的指定范围的整数值，试验的次数和每次试验成功的概率。

棒球队一个赛季要打100场比赛，每场比赛有50%的胜率。找出该队在一个赛季中获胜超过55场的概率。

格式长1 - binocdf》(55100,0.5)

ans = 0.135626512036917

计算球队在一个赛季中赢得50到55场比赛的概率。

binocdf》(55100,0.5)- binocdf (49100, 0.5)

ans = 0.404168106656672

如果每一场比赛获胜的概率在10%到90%之间，计算一个赛季中获胜超过55场比赛的概率。

机会= 0.1:0.05:0.9;Y = 1 - binocdf(55,100，机会);

策划的结果。

散射(机会,y)网格在

图中包含一个轴对象。axis对象包含一个散点类型的对象。

打开生活的脚本

用更精确的上尾概率计算二项累积分布函数的补码。

棒球队一个赛季要打100场比赛，每场比赛有50%的胜率。找出该队在一个赛季中获胜超过95场的概率。

格式长1 - binocdf》(95100,0.5)

ans = 0

这个结果表明，概率是如此接近于1(在每股收益，所以用1减去它等于0。为了更好地逼近极值上尾概率，直接计算二项累积分布函数的补值而不是计算差值。

binocdf》(95100,0.5,“上”）

ans = 3.224844447881779 e-24

另外,使用binopdf函数，求该队在一个赛季中赢得96、97、98、99和100场比赛的概率。计算这些概率的和总和函数。

sum (binopdf (96:100,100 0.5),“所有”）

ans = 3.224844447881779 e-24

用于计算二项式cdf的值，指定为整数或整数数组。所有的值x一定属于区间吗[0 n],在那里n是试验的次数。

例子:[0 1 3 4]

数据类型:单|双

试验次数，指定为正整数或正整数数组。

例子:[10 20 50 100]

数据类型:单|双

每次试验成功的概率，指定为标量值或标量值数组。所有的值p一定属于区间吗[0 1]．

例子:[0.01 0.1 0.5 0.7]

数据类型:单|双

二项式cdf值，作为标量值或标量值数组返回。中的每个元素y分布的二项式CDF值是否在中对应的元素处计算x．

数据类型:单|双

binocdf是二项分布特有的函数。Statistics and Machine Learning Toolbox™也提供了通用函数提供，它支持各种概率金宝app分布。使用提供，指定概率分布名称及其参数。另外,创建一个BinomialDistribution概率分布对象，并将该对象作为输入参数传递。请注意特定分布函数binocdf比泛型函数快吗提供．
使用概率分布函数为概率分布创建一个累积分布函数(cdf)或概率密度函数(pdf)的交互式图的应用程序。