主要内容

gaminv

逆累积分布函数

折叠所有页面

语法

x=gaminv（p，a）
x=gaminv（p，a，b）
[x，xLo，xUp]=gaminv（p，a，b，pCov）
[x，xLo，xUp]=gaminv（p，a，b，pCov，alpha）

描述

x=gaminv(P,A.)返回带有形状参数的标准伽马分布的逆累积分布函数(icdf)A.的值P.

实例

x=gaminv(P,A.,B)返回带有形状参数的gamma分布的icdfA.和比例参数B的值P.

实例

[x,xLo,许浦) = gaminv (P,A.,B,pCov)还返回95%的置信区间[xLo,许浦]的x什么时候A.和B这是估计数。pCov是估计参数的协方差矩阵。

[x,xLo,许浦) = gaminv (P,A.,B,pCov,阿尔法)指定置信区间的置信水平[xLo,许浦]将来100（1-α）%.

例子

全部崩溃

打开生活的脚本

用形状参数求伽马分布的中值3.和尺度参数5..

x=gaminv（0.5,3,5）
x = 13.3703
打开生活的脚本

找到一个置信区间，使用伽马分布数据估计中值。

生成一个500带形状的伽马分布随机数2.和规模5..

x=gamrnd（2,5500,1）；

计算参数的估计。

参数=gamfit（x）
params =1×21.9820 5.0601

将参数的估计存储为啊哈和bhat.

ahat=参数（1）；bhat=参数（2）；

计算参数估计的协方差。

[~, nCov] = gamlike (params, x)
nCov=2×20.0135 -0.0346 -0.0346 0.1141

创建一个估计x的置信区间。

[x, xLo xUp] = gaminv (bhat, 0.50, ahat nCov)
x=8.4021
xLo=7.8669
xUp=8.9737

输入参数

全部崩溃

计算反cdf (icdf)的概率值，指定为标量值或标量值数组，其中每个元素都在范围内[0,1].

如果您指定pCov计算置信区间[xLo,许浦]然后P必须是标量值（而不是数组）。

  • 要以多个值评估icdf，请指定P使用数组。

  • 要评估多个发行版的ICDF，请指定A.和B使用数组。

如果一个或多个输入参数P,A.,B是数组，则数组大小必须相同。在本例中，gaminv将每个标量输入扩展为与数组输入大小相同的常量数组。每个元素x中的对应元素是否指定分布的icdf值A.和B，在中的相应元素处进行计算P.

例子:[0.1,0.5,0.9]

数据类型：仅有一个的|双重的

gamma分布的形状参数，指定为正标量值或正标量值数组。

  • 要以多个值评估icdf，请指定P使用数组。

  • 要评估多个发行版的ICDF，请指定A.和B使用数组。

如果一个或多个输入参数P,A.,B是数组，则数组大小必须相同。在本例中，gaminv将每个标量输入扩展为与数组输入大小相同的常量数组。每个元素x中的对应元素是否指定分布的icdf值A.和B，在中的相应元素处进行计算P.

例子:[1 2 3 5]

数据类型：仅有一个的|双重的

gamma分布的比例参数，指定为正标量值或正标量值数组。

  • 要以多个值评估icdf，请指定P使用数组。

  • 要评估多个发行版的ICDF，请指定A.和B使用数组。

如果一个或多个输入参数P,A.,B是数组，则数组大小必须相同。在本例中，gaminv将每个标量输入扩展为与数组输入大小相同的常量数组。每个元素x中的对应元素是否指定分布的icdf值A.和B，在中的相应元素处进行计算P.

例子:[1 1 2 2]

数据类型：仅有一个的|双重的

估计的协方差A.和B，指定为2×2矩阵。

如果您指定pCov计算置信区间[xLo,许浦]然后P,A.,B必须是标量值。

你可以估计A.和B利用格姆菲特或最大似然误差，并估计A.和B利用花花公子。有关示例，请参阅γ-icdf值的置信区间.

数据类型：仅有一个的|双重的

置信区间的显著性水平，指定为范围（0,1）内的标量。置信水平为100（1-α）%，在哪里阿尔法为置信区间不包含真值的概率。

例子:0.01

数据类型：仅有一个的|双重的

输出参数

全部崩溃

中的概率值计算Icdf值P，作为标量值或标量值数组返回。x大小是一样的吗P,A.,B，在任何必要的标量展开之后。每个元素x中的对应元素是否指定分布的icdf值A.和B，在中的相应元素处进行计算P.

置信下限x，作为标量值或标量值数组返回。xLo大小与x.

置信上限x，作为标量值或标量值数组返回。许浦大小与x.

更多关于

全部崩溃

伽马icdf

分布是一个双参数曲线族。的参数A.和B分别是形状和比例。

根据伽马cdf的伽马逆函数为

x = F − 1. ( P | A. , B ) = { x : F ( x | A. , B ) = P } ,

哪里

P = F ( x | A. , B ) = 1. B A. Γ ( A. ) ∫ 0 x T A. − 1. E − T B D T .

结果x这个值是否符合带有参数的伽马分布的观测值A.和B在[0,x]有可能P.

有关详细信息，请参阅伽马分布.

算法

中所示的积分方程不存在已知的解析解伽马icdf.gaminv使用迭代方法(牛顿法)来收敛于解。

选择功能

  • gaminv是特定于gamma分布的函数。统计和机器学习工具箱™ 还提供了泛型函数icdf，它支持各种概率金宝app分布。使用icdf，创建一个GammaDistribution概率分布对象，并将该对象作为输入参数传递，或指定概率分布名称及其参数。请注意，特定于分布的函数gaminv比泛型函数快icdf.

扩展能力

C/C++代码生成
使用MATLAB®Coder™生成C和c++代码。

另见

|||||||

话题

之前介绍过的R2006a

统计和机器学习工具箱文档

金宝app

掌握机器学习：用MATLAB逐步指导

掌握机器学习：用MATLAB逐步指导

下载电子书