从带参数值的正态分布生成随机数据的4 × 4矩阵 $$\mu$$等于10 $$\sigma$$等于1。

rng默认的%为了再现性x = normrnd(10、1、4)

x =4×410.5377 10.3188 13.5784 10.7254 11.8339 8.6923 12.7694 9.9369 7.7412 9.5664 8.6501 10.7147 10.8622 10.3426 13.0349 9.7950

计算每列数据的四分位范围。

r =差(x)

r =1×42.2086 1.2013 2.5969 0.8541

计算每一行数据的四分位数范围。

r2 =差(x, 2)

r2 =4×11.7237 2.9870 1.9449 1.8797

通过指定“所有”和vecdim输入参数。

创建一个3 × 4 × 2的数组X．

X =重塑(1:24，[3 4 2])

X = X(:，: 1) = 14 7 10 2 5 8 11 3 6 9 12 X(:，: 2) = 13 16 19 22 14 17 20 23 15 18 21 24

中所有值的四分位范围X．

拉尔=差(X,“所有”）

拉尔= 12

的每一页的四分位数范围X．指定第一个和第二个维度作为计算四分位数范围的操作维度。

rpage = iqr(X，[1 2])

Rpage = Rpage (:，:，1) = 6

例如rpage (1, 1, 1)所有元素的四分位范围是多少X (:: 1)．

计算每个元素的四分位数范围X(我::)通过指定第二个和第三个维度作为操作维度进行切片。

row = iqr(X，[2 3])

rrow =3×112 12 12

例如rrow (3)所有元素的四分位范围是多少X (3::)．

创建一个标准的正态分布对象， $$\mu$$，等于0，标准差， $$\sigma$$，等于1。

pd = makedist (“正常”，“亩”0,“σ”1);

计算标准正态分布的四分位范围。

r =差(pd)

r = 1.3490

返回值是该分布的第75和第25个百分位数之间的差值。这相当于在概率处计算逆累积分布函数(icdf)值之间的差值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。创建一个包含学生考试成绩数据第一列的向量。

负载examgrades；x =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]

计算拟合分布的四分位范围。

r =差(pd)

r = 11.7634

返回结果显示，学生成绩的第75百分位与第25百分位的差值为11.7634。

使用icdf确定学生成绩的第75百分位和第25百分位。

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

y =1×269.1266 - 80.8900

计算第75和第25个百分位数之间的差异。这与位差．

y (2) - y (1)

ans = 11.7634

使用箱线图使四分位范围可视化。

箱线图(x)

框的上一行显示了第75个百分位数，底部一行显示了第25个百分位数。中线表示中位数，即第50百分位数。