icdf
逆累积分布函数
语法
描述
例子
计算正态分布icdf通过指定名称和分布参数
正态分布计算icdf值通过指定分布的名字“正常”
和分布参数。
定义输入向量p包含计算icdf概率值。
p = (0.1, 0.25, 0.5, 0.75, 0.9);
计算icdf值的正态分布的意思 等于1和标准差 等于5。
μ= 1;σ= 5;y = icdf (“正常”、磷、μ、σ)
y =1×5-5.4078 -2.3724 1.0000 4.3724 7.4078
每个值在y对应于一个值在输入向量x。例如,在价值x等于1,对应的icdf价值y等于7.4078。
使用分布对象计算正态分布icdf
创建一个正态分布对象计算的icdf值正态分布使用对象。
创建一个正态分布对象的意思 等于1和标准差 等于5。
μ= 1;σ= 5;pd = makedist (“正常”,“亩”亩,“σ”σ);
定义输入向量p包含计算icdf概率值。
p = (0.1, 0.25, 0.5, 0.75, 0.9);
计算icdf值为正态分布值p。
x = icdf (pd, p)
x =1×5-5.4078 -2.3724 1.0000 4.3724 7.4078
每个值在x对应于一个值在输入向量p。例如,在价值p等于0.9,相应的icdf价值x等于7.4078。
icdf计算泊松分布
创建一个泊松分布对象的速度参数, ,等于2。
λ= 2;pd = makedist (“泊松”,“λ”λ);
定义输入向量p包含计算icdf概率值。
p = (0.1, 0.25, 0.5, 0.75, 0.9);
泊松分布计算icdf值的值p。
x = icdf (pd, p)
x =1×50 1 2 3 4
每个值在x对应于一个值在输入向量p。例如,在价值p等于0.9,相应的icdf价值x等于4。
或者,您可以计算相同的icdf值没有创建一个概率分布对象。使用icdf
功能和使用相同的值指定一个泊松分布的参数
。
x2 = icdf (“泊松”,p,λ)
x2 =1×50 1 2 3 4
icdf值一样使用概率分布对象计算。
计算标准正态临界值
创建一个标准正态分布对象。
pd = makedist (“正常”)
pd = NormalDistribution正态分布μ= 0σ= 1
确定关键值在5%的显著性水平检验统计量与标准正态分布,通过计算上下2.5%的值。
x = icdf (pd, [.025 .975])
x =1×2-1.9600 - 1.9600
提供和阴影关键区域的阴谋。
p = normspec (x, 0 1“外”)
p = 0.0500
输入参数
的名字
- - - - - -概率分布的名字
特征向量的概率分布或字符串标量的名字
概率分布的名字,指定为这个表的一个概率分布的名字。
的名字 |
分布 | 输入参数一个 |
输入参数B |
输入参数C |
输入参数D |
---|---|---|---|---|---|
“β” |
贝塔分布 | 一个第一个形状参数 | b第二个形状参数 | N /一个 | N /一个 |
“二” |
二项分布 | n数量的试验 | p每个试验成功的可能性 | N /一个 | N /一个 |
“BirnbaumSaunders” |
Birnbaum-Saunders分布 | β尺度参数 | γ形状参数 | N /一个 | N /一个 |
“毛刺” |
第十二毛刺类型分布 | α尺度参数 | c第一个形状参数 | k第二个形状参数 | N /一个 |
“Chisquare” 或“chi2” |
卡方分布 | ν自由度 | N /一个 | N /一个 | N /一个 |
“指数” |
指数分布 | μ的意思是 | N /一个 | N /一个 | N /一个 |
“极端值” 或“电动汽车” |
极端值分布 | μ位置参数 | σ尺度参数 | N /一个 | N /一个 |
“F” |
F分布 | ν1分子的自由度 | ν2分母的自由度 | N /一个 | N /一个 |
“伽马” |
伽马分布 | 一个形状参数 | b尺度参数 | N /一个 | N /一个 |
“广义极值” 或“gev” |
广义极值分布 | k形状参数 | σ尺度参数 | μ位置参数 | N /一个 |
广义帕累托的 或“全科医生” |
广义帕累托分布 | k尾指数(形状)参数 | σ尺度参数 | μ阈值(位置)参数 | N /一个 |
“几何” |
几何分布 | p概率参数 | N /一个 | N /一个 | N /一个 |
“正常”的一半 或“环” |
Half-Normal分布 | μ位置参数 | σ尺度参数 | N /一个 | N /一个 |
“超几何” 或“hyge” |
超几何分布 | 米人口规模 | k条目的数量与人口所需的特性 | n数量的样品 | N /一个 |
“InverseGaussian” |
逆高斯分布 | μ尺度参数 | λ形状参数 | N /一个 | N /一个 |
“物流” |
物流配送 | μ的意思是 | σ尺度参数 | N /一个 | N /一个 |
“LogLogistic” |
Loglogistic分布 | μ意思是对数的值 | σ尺度参数的对数的值 | N /一个 | N /一个 |
对数正态的 |
对数正态分布 | μ意思是对数的值 | σ对数标准差值 | N /一个 | N /一个 |
“Loguniform” |
Loguniform分布 | 一个较低的端点(最小) | b上端点(最大) | N /一个 | N /一个 |
“Nakagami” |
Nakagami分布 | μ形状参数 | ω尺度参数 | N /一个 | N /一个 |
“负二项” 或“nbin” |
负二项分布 | r许多的成功 | p在一个试验成功的概率 | N /一个 | N /一个 |
“非中心F” 或“ncf” |
无心的F分布 | ν1分子的自由度 | ν2分母的自由度 | δ非中心参数 | N /一个 |
“非中心t” 或“英国” |
非中心t分布 | ν自由度 | δ非中心参数 | N /一个 | N /一个 |
“非中心卡方” 或“ncx2” |
非中心卡方分布 | ν自由度 | δ非中心参数 | N /一个 | N /一个 |
“正常” |
正态分布 | μ的意思是 | σ标准偏差 | N /一个 | N /一个 |
“泊松” |
泊松分布 | λ的意思是 | N /一个 | N /一个 | N /一个 |
“瑞利” |
瑞利分布 | b尺度参数 | N /一个 | N /一个 | N /一个 |
“Rician” |
Rician分布 | 年代非中心参数 | σ尺度参数 | N /一个 | N /一个 |
“稳定” |
稳定分布 | α第一个形状参数 | β第二个形状参数 | γ尺度参数 | δ位置参数 |
“T” |
学生的t分布 | ν自由度 | N /一个 | N /一个 | N /一个 |
“tLocationScale” |
t Location-Scale分布 | μ位置参数 | σ尺度参数 | ν形状参数 | N /一个 |
“统一” |
均匀分布(连续) | 一个较低的端点(最小) | b上端点(最大) | N /一个 | N /一个 |
离散均匀的 或“unid” |
均匀分布(离散) | n最大可观测值 | N /一个 | N /一个 | N /一个 |
“威布尔” 或“wbl” |
威布尔分布 | 一个尺度参数 | b形状参数 | N /一个 | N /一个 |
例子:“正常”
pd
- - - - - -概率分布
概率分布对象
概率分布,指定为这个表中的概率分布对象之一。
输出参数
选择功能
icdf
是一个通用的函数,它接受一个分布的名字吗的名字
或一个概率分布对象pd
。快使用一个特定的函数,如norminv
为正态分布binoinv
二项分布。特定函数的列表,请参阅金宝app支持分布。
扩展功能
C / c++代码生成
生成C和c++代码使用MATLAB®编码器™。
使用笔记和限制:
输入参数
的名字
必须是一个编译时常量。例如,使用正态分布,包括coder.Constant(“正常”)
在arg游戏
的价值codegen
(MATLAB编码器)。输入参数
pd
可能是一个合适的概率分布对象为β,指数,极端值,对数正态,正常的,和威布尔分布。创建pd
通过拟合样本数据的概率分布fitdist
函数。例如,看到的概率分布对象的代码生成。
GPU数组
加速代码运行在一个图形处理单元(GPU)使用并行计算工具箱™。
这个函数完全支持GPU数组。金宝app有关更多信息,请参见运行在GPU MATLAB函数(并行计算工具箱)。
版本历史
之前介绍过的R2006a
打开举例
你们possedez一个版本modifiee de cet(中央东部东京)为例。Souhaitez-vous打开cet(中央东部东京)为例用vos修改吗?
对MATLAB
你们有派对在联合国留置权,对应这个对MATLAB:
倒实行la对saisissez-la在fenetre德对MATLAB。Les navigateurs web不sup金宝appportent Les MATLAB命令。
你也可以从下面的列表中选择一个网站:
表现最好的网站怎么走吗
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。