位差

创建一个标准正态分布对象的意思是, $$\mu$$,等于0和标准差, $$\sigma$$,等于1。

pd = makedist (“正常”,“亩”0,“σ”1);

标准正态分布的计算四分位范围。

r =差(pd)

r = 1.3490

返回值的区别是75和25百分位值的分布。这相当于计算逆累积分布函数之间的差异(icdf)值的概率y等于0.75和0.25。

r2 = icdf (pd, 0.75) - icdf (pd, 0.25)

r2 = 1.3490

加载示例数据。创建一个向量包含学生考试成绩的第一列数据。

负载examgrades;x =成绩(:1);

创建一个正态分布对象通过拟合数据。

pd = fitdist (x,“正常”)

pd = NormalDistribution正态分布μ= 75.0083[73.4321,76.5846]σ= 8.7202 (7.7391,9.98843)

计算拟合分布的四分位范围。

r =差(pd)

r = 11.7634

返回的结果表明,不同的75和25百分位学生的成绩是11.7634。

使用icdf确定75和25百分位数的学生的成绩。

y = icdf (pd, [0.25, 0.75])

y =1×269.1266 - 80.8900

计算75和25百分位数之间的区别。这个收益率相同的结果位差。

y (2) - y (1)

ans = 11.7634

使用箱线图可视化四分位范围。

箱线图(x)

盒子的顶部行显示了第75个百分位,和底线显示了第25百分位。中线显示值,即50百分位。