正常概率图

使用正常概率图来评估数据是否来自正常分布。许多统计程序使潜在分布正常的假设。正常概率地块可以提供一些保证，以证明这种假设是符合假设问题的警告。正常性的分析通常将正常概率图与正常性的假设检验结合在一起。

该示例从具有平均10和标准偏差1的正态分布生成25个随机数的数据样本，并创建数据的正常概率图。

rng (“默认”)；%的再现性x = normrnd（10,1，[25,1]）;normplot（x）

正号表示经验概率与数据中每个点的数据值之间的关系。实线连接数据中的第25和第75个百分位数，虚线将其延伸到数据的末端。这y-轴值是从0到1的概率，但刻度不是线性的。刻度线之间的距离y-axis匹配正态分布的分位数之间的距离。这些分位数在中位数(50百分位)附近很接近，当你远离中位数时，它们会对称地伸展。

在正常概率图中，如果所有数据点均落在线附近，则正常性的假设是合理的。否则，常态的假设是不合理的。例如，下面从具有平均10的指数分布生成100个随机数的数据样本，并创建数据的正常概率图。

x = exprnd (10100 1);normplot（x）

这幅图是潜在分布不正常的有力证据。

概率图

与正常概率图类似的概率图只是缩小到特定分布的经验CDF曲线。这y-轴值是从0到1的概率，但刻度不是线性的。刻度线之间的距离是分布的分位数之间的距离。在图中，在数据的第一和第三个四分位数之间画了一条线。如果数据落在直线附近，选择分布作为数据的模型是合理的。分布分析通常结合特定分布的概率图和假设检验。

rng (“默认”)；%的再现性x1 = wblrnd（3,3，[500,1]）;x2 = raylrnd（3，[500,1]）;

图probplot (“威布尔”，[x1 x2]）图例（'weibull样本'那“瑞利样本”那“位置”那'最好的'）

分位式料理

使用分位数-分位数(q-q)图来确定两个样本是否来自同一分布族。Q-Q图是从每个样本计算出的分位数的散点图，在第一和第三分位数之间画一条线。如果数据落在直线附近，可以合理地假设两个样本来自相同的分布。该方法对任意一个分布的位置和规模的变化都具有鲁棒性。

通过使用使用级别 - 定量块qqplot.函数。

下面的示例生成两个数据样本，其中包含来自具有不同参数值的泊松分布的随机数，并创建一个分位数-分位数图。中的数据X是从平均10的泊松分布和数据y是从平均5的泊松分布。

x = poissrnd (10 [50, 1]);y = poissrnd(5[1] 100年);qqplot (x, y)

尽管参数和样本大小不同，近似的线性关系表明两个样本可能来自同一个分布家族。与正态概率图一样，假设检验可以为这种假设提供额外的证明。然而，对于依赖于来自同一分布的两个样本的统计过程，线性分位数-分位数图通常就足够了。

以下示例显示当底层分发不相同时会发生什么。这里，X包含100个随机数，由正态分布产生，均值为5，标准差为1，而y包含从Weibull分布生成的100个随机数，其中标度参数为2和0.5的形状参数。

x = normrnd(5 1[1] 100年);y = wblrnd(2 0.5[1] 100年);qqplot (x, y)

这些图表明这些样本显然不是来自同一个分布家族。

累积分布的情节

经验累积分布函数（CDF）图显示了小于或等于每个数据的比例X价值，作为X．规模y设在是线性的;特别地，它没有被伸缩到任何特定的分布。经验cdf图用于比较特定分布的数据cdfs和cdfs。

要创建经验的CDF图，请使用cdfplot函数或ecdf函数。

rng (“默认”）%的再现性y = evrnd (0, 3100, (1);

CDFPLOT（Y）持有在x = linspace (min (y), max (y));情节(x, evcdf (x 0 3)传说('经验CDF'那“理论提供”那“位置”那'最好的')举行从

ecdf（y，“界限”那'上')举行在情节(x, evcdf (x 0 3)网格在标题('经验CDF'） 传奇（'经验CDF'那'较低的束缚'那“上信心绑定”那“理论提供”那“位置”那'最好的')举行从