贝塔分布
概述
贝塔分布描述一个家庭非零的曲线只在区间[0,1]。一个更一般的版本的函数分配参数区间的端点。
统计和机器学习工具箱™提供了一些与贝塔分布的方法。您可以使用以下方法来估计参数样本数据,计算pdf,提供,icdf,生成随机数,等等。
适合一个概率分布对象示例数据,或者创建一个概率分布对象与指定参数值。看到
使用
BetaDistribution
对象
为更多的信息。处理数据输入矩阵、表和数据数组使用概率分布函数。看到万博1manbetx支持分布贝塔分布函数的列表。
交互式地健康,探索,并生成随机数的分布使用一个应用程序或用户界面。
关于这些选项的更多信息,请参阅使用概率分布。
参数
贝塔分布使用以下参数。
参数 | 描述 | 万博1manbetx |
---|---|---|
一个 |
第一个形状参数 | |
b |
第二个形状参数 |
概率密度函数
的概率密度函数(pdf)贝塔分布
在哪里B(·)β函数。指标函数我[0,1](x)确保只有值的x在区间[0,1]非零概率。
例如,看到的情节贝塔分布pdf文档。
累积分布函数
βcdf对于一个给定的值x
鉴于两个参数一个
和b
是
在哪里B(·)β函数。ββcdf是一样的不完整的功能。
例子
情节贝塔分布pdf文档
改变β分布参数的值来改变概率分布函数的形状(pdf)。
计算3个beta版本的pdf文档:一个形状参数一个和b等于0.75,一个等于1的参数,一个参数等于4。
x = 0:0.01:1;日元= betapdf (x, 0.75, 0.75);y2 = betapdf (x, 1, 1);y3 = betapdf (x, 4, 4);
情节三个pdf文档。
情节(x, y₁)在情节(x, y2)情节(x, y3)传说([“a = b = 0.75”,“= b = 1”,“a = b = 4”]);持有从
恒定的pdf(扁线)表明,标准的贝塔分布的均匀分布是一个特例,它发生在参数一个和b等于1。
估计贝塔分布参数
计算参数的最大似然(ml)估计β分布。
最大化似然函数估计是一种流行的技术参数。似然函数具有相同形式的β概率分布函数(pdf)。然而,pdf,参数是已知的常量和变量x,似然函数改变变量的角色。即样本值(x)已经观察到的,是固定的常量,变量是未知参数。最大似然估计需要计算的参数值产生的最高可能性的特定数据。
产生100贝塔分布的随机数一个等于5,b等于0.2。这个函数betafit
返回毫升和贝塔分布的参数的置信区间。
rng (“默认”)%的再现性r = betarnd (5, 0.2,100, 1);(太好了,pci) = betafit(右)
太好了=1×27.4911 - 0.2135
pci =2×25.0861 0.1744 11.0334 0.2614
参数的标定一个是7.4911。95%置信区间一个范围从5.0861到11.0334,不包括5的真正价值。尽管这一结果不太可能,它可以发生在当你估计分布参数。
参数的标定b是0.2135。95%置信区间b范围从0.1744到0.2614和0.2包括真实价值。
相关的分布
贝塔分布的函数关系t分布。如果Y是一个从学生的观察t分布与ν自由度,然后下面的转换生成X,β分布。
如果Y~t(v),然后
这种关系是用来计算的值t提供和逆函数以及生成t分布的随机数。