中位数

概率分布中值

折叠所有页面

语法

m =值(pd)

描述

例子

米=值(pd）返回值米对于概率分布pd

例子

全部折叠

拟合分布的中位数

打开生活的脚本

加载示例数据。创建一个包含学生考试成绩数据第一列的向量。

负载examgradesx =成绩(:1);

通过拟合数据来创建一个正态分布对象。

pd = fitdist (x,“正常”）

正态分布mu = 75.0083 [73.4321, 76.5846] sigma = 8.7202 [7.7391, 9.98843]

计算拟合分布的中位数。

m =值(pd)

m = 75.0083

对于对称分布，如正态分布，中值等于平均值，μ．

偏态分布的中位数

打开生活的脚本

创建一个威布尔概率分布对象。

pd = makedist (“威布尔”，“一个”5,“B”, 2)

pd = Weibull分布Weibull分布A = 5 B = 2

计算分布的中位数。

m =值(pd)

m = 4.1628

对于倾斜分布，如威布尔分布，中位数和平均值可能不相等。

计算威布尔分布的均值，并将其与中值进行比较。

的意思= (pd)

意味着= 4.4311

分布的均值大于中位数。

绘制pdf以可视化分布。

x = [0: .1:15];pdf = pdf (pd, x);情节(x, pdf)

图中包含一个轴对象。axis对象包含一个类型为line的对象。

输入参数

全部折叠

`pd`- - - - - -概率分布
概率分布对象

概率分布，指定为本表中的一个概率分布对象。

分布对象	函数或应用程序创建概率分布对象
`BetaDistribution`	`makedist`，`fitdist`，分布更健康
`BinomialDistribution`	`makedist`，`fitdist`，分布更健康
`BirnbaumSaundersDistribution`	`makedist`，`fitdist`，分布更健康
`BurrDistribution`	`makedist`，`fitdist`，分布更健康
`ExponentialDistribution`	`makedist`，`fitdist`，分布更健康
`ExtremeValueDistribution`	`makedist`，`fitdist`，分布更健康
`GammaDistribution`	`makedist`，`fitdist`，分布更健康
`GeneralizedExtremeValueDistribution`	`makedist`，`fitdist`，分布更健康
`GeneralizedParetoDistribution`	`makedist`，`fitdist`，分布更健康
`HalfNormalDistribution`	`makedist`，`fitdist`，分布更健康
`InverseGaussianDistribution`	`makedist`，`fitdist`，分布更健康
`KernelDistribution`	`fitdist`，分布更健康
`LogisticDistribution`	`makedist`，`fitdist`，分布更健康
`LoglogisticDistribution`	`makedist`，`fitdist`，分布更健康
`LognormalDistribution`	`makedist`，`fitdist`，分布更健康
`LoguniformDistribution`	`makedist`
`MultinomialDistribution`	`makedist`
`NakagamiDistribution`	`makedist`，`fitdist`，分布更健康
`NegativeBinomialDistribution`	`makedist`，`fitdist`，分布更健康
`NormalDistribution`	`makedist`，`fitdist`，分布更健康
`PiecewiseLinearDistribution`	`makedist`
`PoissonDistribution`	`makedist`，`fitdist`，分布更健康
`RayleighDistribution`	`makedist`，`fitdist`，分布更健康
`RicianDistribution`	`makedist`，`fitdist`，分布更健康
`StableDistribution`	`makedist`，`fitdist`，分布更健康
`tLocationScaleDistribution`	`makedist`，`fitdist`，分布更健康
`TriangularDistribution`	`makedist`
`UniformDistribution`	`makedist`
`WeibullDistribution`	`makedist`，`fitdist`，分布更健康