文档帮助中心
正常的概率密度函数
Y = normpdf(x)的
y = normpdf (x,μ)
Y = normpdf(X,μ,西格马)
例
ÿ= normpdf(X)返回标准正态分布的概率密度函数(pdf),在评价值X。
ÿ= normpdf(X)
ÿ
X
ÿ= normpdf(X,μ)返回均值的正态分布的概率密度函数μ和单元的标准偏差,在评价值X。
ÿ= normpdf(X,μ)
μ
ÿ= normpdf(X,μ,西格玛)返回均值的正态分布的概率密度函数μ和标准偏差西格玛,取值范围为X。
ÿ= normpdf(X,μ,西格玛)
西格玛
全部收缩
计算PDF值在值的标准正态分布X。
x = (2, 1, 0, 1, 2);Y = normpdf(x)的
Y =1×50.0540 0.2420 0.3989 0.2420 0.0540
计算在中的值处计算的pdf值X与均值的正态分布μ和标准偏差西格玛。
x = (2, 1, 0, 1, 2);μ= 2;σ= 1;Y = normpdf(X,μ,西格马)
Y =1×50.0001 0.0044 0.0540 0.2420 0.3989
计算具有不同平均值参数的各种正态分布在0处的pdf值。
亩= [-2,-1,0,1,2];σ= 1;Y = normpdf(0,μ,西格马)
要在其中对pdf求值的值,指定为标量值或标量值数组。
为了评估在多个值的PDF,指定X使用阵列。为了评估多个分布的PDF文件,指定μ和西格玛使用数组。如果一个或多个输入参数X,μ,西格玛是数组,则数组的大小必须是相同的。在这种情况下,normpdf每个标量输入扩展到相同大小的阵列输入的恒定阵列。中的每个元素ÿ是通过在相应的元件指定的分布的概率密度函数值μ和西格玛中,在相应的元件评价X。
normpdf
例:(1 0、3、4)
(1 0、3、4)
数据类型:单|双
单
双
0
正态分布的平均值,指定为标量值或标量值数组。
例:[0 1 2;0 1 2]
[0 1 2;0 1 2]
1
正常分布的标准偏差,指定为正标量的值或正标量的值的阵列。
例:[1 1 1;2 2 2)
[1 1 1;2 2 2)
PDF值,在评价值X,返回作为标量值或标量的值的数组。ÿ的尺寸与相同X,μ,西格玛之后的任何必要的标量膨胀。中的每个元素ÿ是通过在相应的元件指定的分布的概率密度函数值μ和西格玛中,在相应的元件评价X。
正态分布是一个双参数曲线族。第一个参数,μ为均值。第二个参数,σ是标准偏差。
标准正态分布均值为0,单位标准差为0。
正态概率密度函数(pdf)为
ÿ = F ( X | μ , σ ) = 1 σ 2 π Ë - ( X - μ ) 2 2 σ 2 , 对于 X ∈ ℝ 。
该似然函数是视为参数的函数的PDF。最大似然估计(极大似然估计)是参数估计最大化似然函数为固定值X。
normpdf是一个特定于正态分布的函数。统计和机器学习工具箱™也提供了通用功能PDF格式,其支持各种概率金宝app分布。要使用PDF格式, 创建一个正态分布概率分布对象和传递对象作为输入参数,或指定的概率分布的名称和它的参数。需要注意的是具体分布函数normpdf比通用函数更快PDF格式。
PDF格式
正态分布
使用概率分布函数应用创建的累积分布函数(CDF)或概率密度函数(pdf)为概率分布的交互图。
[1]埃文斯,M.,N.赫斯廷斯,和B.孔雀。统计分布。第2版。新泽西州霍博肯市:John Wiley和Sons公司,1993年。
该函数完全支持GPU阵列。金宝app有关更多信息,请参见在GPU上运行MATLAB功能(并行计算工具箱)。
正态分布|mvnpdf|normcdf|NORMINV|normrnd|normspec|PDF格式
mvnpdf
normcdf
NORMINV
normrnd
normspec
这个例子的修改版本的系统上存在。你要打开这个版本呢?
您单击对应于该MATLAB命令的链接:
在MATLAB命令窗口中输入它运行的命令。Web浏览器不支持MATLAB的命令。金宝app
选择一个网站,以获得翻译的内容,其中可看到当地的活动和优惠。根据您的位置,我们建议您选择:。
你也可以从以下列表中选择一个网站:
选择最佳的网站性能的中国网站(在中国或英文)。其他MathWorks的国家网站都没有从您的位置访问进行了优化。
请联系您当地的办事处