累积分布函数
Y = CDF(___,'上')
返回CDF的使用能够更准确地计算极端上尾概率的算法的补充。“上”
可以按照任意的输入参数在前面的语法。
与平均创建标准正态分布对象, 等于0和标准差, 等于1。
亩= 0;西格玛= 1;PD = makedist('正常','亩'亩,“西格玛”,SIGMA);
定义输入向量X包含在该计算CDF值。
X = [-2,-1,0,1,2];
计算CDF值在值的标准正态分布X。
x y = cdf (pd)
Y =1×50.0228 0.1587 0.5000 0.8413 0.9772
在每个值ÿ对应于输入矢量的值X。例如,在值X等于1,则相应的CDF值ÿ等于0.8413。
或者,你可以计算出相同的CDF值,而无需创建一个概率分布对象。使用CDF
函数,并使用相同的参数值指定标准正态分布
和
。
Y2 = CDF('正常'中,x,μ,西格马)
Y2 =1×50.0228 0.1587 0.5000 0.8413 0.9772
cdf值与使用概率分布对象计算的值相同。
与速度参数创建一个泊松分布对象, ,等于2。
λ= 2;PD = makedist(“泊松”,“拉姆达”,拉姆达);
定义输入向量X包含在该计算CDF值。
x = [0、1、2、3、4);
计算CDF值的值泊松分布X。
x y = cdf (pd)
Y =1×50.1353 0.4060 0.6767 0.8571 0.9473
在每个值ÿ对应于输入矢量的值X。例如,在值X等于3,则相应的CDF值ÿ等于0.8571。
或者,你可以计算出相同的CDF值,而无需创建一个概率分布对象。使用CDF
功能,并使用相同的值用于速率参数指定一个泊松分布,
。
Y2 = CDF(“泊松”中,x,拉姆达)
Y2 =1×50.1353 0.4060 0.6767 0.8571 0.9473
cdf值与使用概率分布对象计算的值相同。
创建一个标准的正态分布对象。
PD = makedist('正常')
PD =正态分布正态分布亩= 0标准差= 1
指定X
值并计算CDF。
X = -3:0.1:3;P = CDF(PD,X);
绘制标准正态分布的CDF。
积(X,P)
创建三个gamma分布对象。第一个使用默认的参数值。第二个参数指定a = 1时
和B = 2
。第三指定a = 2的
和B = 1
。
pd_gamma = makedist(“伽马”)
pd_gamma =伽玛分布Gamma分布A = 1 B = 1
pd_12 = makedist(“伽马”,'一个'1,'B',2)
pd_12 =伽玛分布Gamma分布A = 1 B = 2
pd_21 = makedist(“伽马”,'一个'2,'B',1)
pd_21 =伽玛分布Gamma分布A = 2 B = 1
指定X
值,并计算每个分布CDF。
x = 0: .1:5;cdf_gamma = cdf (pd_gamma x);cdf_12 = cdf (pd_12 x);cdf_21 = cdf (pd_21 x);
创建情节直观了解的gamma分布变化的CDF当您为形状参数指定不同的值一个
和b
。
数字;J =积(X,cdf_gamma);保持上;K =情节(x, cdf_12,'R--');L =图(X,cdf_21,“K-”。);组(J,'行宽'2);集(K,'行宽'2);传奇([J K L),'A = 1,B = 1','A = 1,B = 2','α= 2,B = 1','位置',“东南”);保持离;
符合帕累托尾巴到 分布在累积概率0.1-0.9。
T = TRND(3,100,1);OBJ = paretotails(T,0.1,0.9);[P,Q] =边界(OBJ)
p =2×10.1000 0.9000
q =2×1-1.8487 2.0766
计算CDF在值q
。
CDF(OBJ,Q)
ANS =2×10.1000 0.9000
“名字”
-概率分布名概率分布的名称,指定该表中的概率分布的名字之一。
“名字” |
分配 | 输入参数一个 |
输入参数乙 |
输入参数C |
输入参数d |
---|---|---|---|---|---|
“测试版” |
Beta分布 | 一个第一形状参数 | b第二形状参数 | - | - |
“二项式” |
二项分布 | ñ试验次数 | p成功每次试验的概率 | - | - |
'BirnbaumSaunders' |
伯恩鲍姆 - 桑德斯分布 | β尺度参数 | γ形状参数 | - | - |
“毛刺” |
毛刺类型XII分布 | α尺度参数 | C第一形状参数 | ķ第二形状参数 | - |
“卡方” |
卡方分布 | ν自由程度 | - | - | - |
“指数” |
指数分布 | μ的意思是 | - | - | - |
'极值' |
极值分布 | μ位置参数 | σ尺度参数 | - | - |
'F' |
F分布 | ν1分子自由度 | ν2分母自由度 | - | - |
“伽马” |
Gamma分布 | 一个形状参数 | b尺度参数 | - | - |
“广义极值” |
广义极值分布 | ķ形状参数 | σ尺度参数 | μ位置参数 | - |
“广义帕累托 |
广义Pareto分布 | ķ尾部指数(形状)参数 | σ尺度参数 | μ阈值(位置)参数 | - |
'几何' |
几何分布 | p概率参数 | - | - | - |
'HalfNormal' |
半正态分布 | μ位置参数 | σ尺度参数 | - | - |
“超几何” |
超几何分布 | 米人口规模 | ķ在总体中具有期望特征的项数 | ñ样本数得出 | - |
'InverseGaussian' |
逆高斯分布 | μ尺度参数 | λ形状参数 | - | - |
“物流” |
物流配送 | μ的意思是 | σ尺度参数 | - | - |
'LogLogistic' |
Loglogistic分布 | μ对数值的平均 | σ对数值的标度参数 | - | - |
对数正态的 |
对数正态分布 | μ对数值的平均 | σ对数值的标准偏差 | - | - |
“中上” |
中上分布 | μ形状参数 | ω尺度参数 | - | - |
“负二项分布” |
负二项分布 | [R成功次数 | p在一个实验成功概率 | - | - |
“非中心F” |
非中心F分布 | ν1分子自由度 | ν2分母自由度 | δnoncentrality参数 | - |
“非中心T” |
非中心t分布 | ν自由程度 | δnoncentrality参数 | - | - |
“非中心卡方” |
非中心卡方分布 | ν自由程度 | δnoncentrality参数 | - | - |
'正常' |
正态分布 | μ的意思是 | σ标准偏差 | - | - |
“泊松” |
泊松分布 | λ的意思是 | - | - | - |
“瑞利” |
瑞利分布 | b尺度参数 | - | - | - |
“莱斯” |
莱斯分布 | 小号noncentrality参数 | σ尺度参数 | - | - |
'稳定' |
稳定分布 | α第一形状参数 | β第二形状参数 | γ尺度参数 | δ位置参数 |
'T' |
学生的t分布 | ν自由程度 | - | - | - |
'tLocationScale' |
牛逼的位置,规模分布 | μ位置参数 | σ尺度参数 | ν形状参数 | - |
'制服' |
均匀分布(连续) | 一个较低的端点(最小) | b上端点(最大) | - | - |
“离散均匀” |
均匀分布(离散) | ñ最大可观测值 | - | - | - |
“威布尔” |
威布尔分布 | 一个尺度参数 | b形状参数 | - | - |
例子:'正常'
PD
-概率分布概率分布,指定为与在此表中的函数或应用创建的概率分布的对象。
功能或应用 | 描述 |
---|---|
makedist |
创建使用指定的参数值的概率分布的对象。 |
fitdist |
适合的概率分布对象的样本数据。 |
分布钳工 | 使用交互式分布Fitter应用程序将概率分布拟合到样本数据中,并将拟合的对象导出到工作空间中。 |
paretotails |
创建一个在尾部有广义帕累托分布的分段分布对象。 |
CDF
是由它的名字可以接受的分布的通用功能“名字”
或者一个概率分布对象PD
。这是更快地使用分配特定的功能,如normcdf
正态分布和binocdf
对于二项分布。对于分配特定的功能列表,请参阅万博1manbetx支持的发行。
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。
使用注意事项和限制:
输入参数“名字”
必须是一个编译时间常数。例如,使用正态分布,包括coder.Constant( '正常')
在-args
的价值代码生成
。
输入参数PD
可以是用于测试的,指数的,极值,对数正态分布,正常和威布尔分布的拟合概率分布对象。创建PD
通过拟合概率分布从所述样本数据fitdist
功能。对于一个示例,请参见代码生成的概率分布对象。
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。万博1manbetx
您还可以选择从下面的列表中的网站:
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。