文档帮助中心
多变量正规概率密度函数
y = mvnpdf (X)
Y = mvnpdf(X,亩)
y = mvnpdf (X,μ、σ)
例
ÿ= mvnpdf(X)返回ñ——- - - - - -1向量ÿ含的概率密度函数(pdf)d维多元正态分布具有零均值和协方差同一性矩阵,在的每一行计算ñ——- - - - - -d矩阵X。有关更多信息,请参见多元正态分布。
ÿ= mvnpdf(X)
ÿ
X
1
ÿ= mvnpdf(X,亩)在返回的PDF点的值X,在那里亩确定每个相关多元正态分布的平均值。
ÿ= mvnpdf(X,亩)
亩
ÿ= mvnpdf(X,亩,西格玛)在返回的PDF点的值X,在那里西格玛确定每个相关联的多变量正态分布的协方差。
ÿ= mvnpdf(X,亩,西格玛)
西格玛
指定[]对于亩当你想只指定要使用的零它的默认值西格玛。
[]
全部收缩
求一组随机点上标准五维正态分布的pdf值。
从标准五维正态分布中随机抽取八个点。
μ= 0 (1、5);σ=眼(5);rng ('默认')%的再现性X = mvnrnd(μ、σ8)
X =8×50.5377 3.5784 -0.1241 0.4889 -1.0689 1.8339 2.7694 1.4897 1.0347 -0.8095 -2.2588 -1.3499 1.4090 0.7269 -2.9443 0.8622 3.0349 1.4172 -0.3034 1.4384 0.3188 0.7254 0.6715 0.2939 0.3252 -1.3077 -0.0631 -1.2075 -0.7873 -0.7549 -0.4336 0.7147 0.7172 0.8884 1.3703 0.3426 -0.2050 1.6302 -1.1471 -1.7115
计算分布的PDF在点X。
y =8×10.0000 0.0000 0.0000 0.0000 0.0054 0.0011 0.0015 0.0003
找到要点X具有最大的pdf值。
[maxpdf, idx] = max (y)
maxpdf = 0.0054
idx = 5
maxPoint = X(IDX,:)
maxPoint =1×50.3188 0.7254 0.6715 0.2939 0.3252
第五点X具有比其他任何随机选择的点的更大的PDF值。
具有鲜明的平均创建6三维正态分布,每个。评估每个分布的概率在不同的随机点。
指定手段亩和协方差西格玛的分布。每个分布都有相同的协方差矩阵-单位矩阵。
firstDim = (1:6) ';μ= repmat (firstDim, 1, 3)
亩=6×31 1 1 2 2 2 3 3 3 4 4 4 5 5 5 6 6 6
西格玛=眼(3)
西格玛=3×31 0 0 0 1 0 0 0 1
从这六个分布中随机抽样一次。
rng ('默认')%的再现性X = mvnrnd(亩,SIGMA)
X =6×31.5377 0.5664 1.7254 3.8339 2.3426 1.9369 0.7412 6.5784 3.7147 4.8622 6.7694 3.7950 5.3188 3.6501 4.8759 4.6923 9.0349 7.4897
评估分布的概率分布函数在点X。第一个发行版的pdf是在这里评估的X(1,:)时,第二次分布的pdf值在此计算X (2:)等等。
X(1,:)
X (2:)
y =6×10.0384 0.0111 0.0000 0.0009 0.0241 0.0001
评价一个二维正态分布的概率密度函数在给定的集合点。
指定平均亩和协方差西格玛的分布。
亩= [1 -1];西格玛= [0.9 0.4;0.4 0.3]。
从分配随机抽取的100倍。指定X作为采样的点的矩阵。
rng ('默认')%的再现性X = mvnrnd(μ、σ,100);
y = mvnpdf (X,μ、σ);
画出概率密度值。
scatter3(X(:,1),X(:,2)中,y)xlabel(X1的)ylabel (“X2”)zlabel(的概率密度)
创建十个不同的五维正态分布,并在指定的点比较它们的pdf值。
设置尺寸ñ和d分别等于10和5。
ñ
d
N = 10;d = 5;
指定手段亩和协方差西格玛多元正态分布。让所有分布有相同的均值向量,但改变协方差矩阵。
μ= 1 (1 d)
亩=1×5111 111 111
垫=眼(d);nMat = repmat(垫,1,1,n);var =重塑(1:n, 1, 1, n);σ= nMat。* var;
显示前两个协方差矩阵西格玛。
西格玛(:,:,1:2)
ANS = ANS(:,:,1)= 1 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 1 ANS(:,:,2)= 2 0 0 0 00 2 0 0 0 0 0 2 0 0 0 0 0 2 0 0 0 0 0 2
组X是在五维空间中的随机点。
rng ('默认')%的再现性X = normrnd(0,1,1,5)
x =1×50.5377 1.8339 -2.2588 0.8622 0.3188
在以下地方评估pdfX每个十个分布。
Y = mvnpdf(X,μ,西格马)
y =10×110-40.2490 0.8867 0.8755 0.7035 0.5438 0.4211 0.3305 0.2635 0.2134 0.1753
策划的结果。
散射(1:n y'填充')包含(“分布指数”)ylabel (x处的概率密度)
评估点,指定为1——- - - - - -d数值向量或ñ——- - - - - -d数字矩阵,ñ是正标量整数d是单一多元正态分布的维数。的行X对应于观察值(或点),列对应于变量(或坐标)。
如果X是矢量,然后mvnpdf个重复它相匹配的领先的尺寸亩或者后面的维数西格玛。
mvnpdf
数据类型:单|双
单
双
多维正态分布的均值,指定为a1——- - - - - -d数值向量或ñ——- - - - - -d数字矩阵。
如果亩是矢量,然后mvnpdf复制向量以匹配的尾随维数西格玛。
如果亩是一个矩阵,则每个的行亩是一个单一的多元正态分布的均值向量。
多元正态分布的协方差,指定为ad——- - - - - -d对称,正定矩阵或ad——- - - - - -d——- - - - - -ñ数字数组。
如果西格玛是一个矩阵,然后mvnpdf复制矩阵以匹配其中的行数亩。
如果西格玛是数组,那么每页的西格玛,西格玛(:,:,i)的是一个单一的多元正态分布的协方差矩阵,并且因此是一个对称,正定矩阵。
西格玛(:,:,i)的
如果协方差矩阵是对角,包含沿对角线方差和协方差为零关闭它,那么你还可以指定西格玛作为一个1——- - - - - -d载体或1——- - - - - -d——- - - - - -ñ仅包含对角线项阵列。
值,返回为ñ——- - - - - -1数字向量,其中ñ是下列情况之一:
行数X如果X是一个矩阵
次数X被复制,如果X是一个向量
如果X是一个矩阵,亩是一个矩阵西格玛是数组吗mvnpdf计算义)使用X(我,:),μ(我,:)和西格玛(:,:,i)的。
义)
X(我,:)
μ(我,:)
数据类型:双
多元正态分布是单变量正态分布到两个或更多个变量的概括。它有两个参数,平均矢量μ和协方差矩阵Σ中,类似于单变量正态分布的均值和方差的参数。的对角线元素Σ包含每个变量的方差,和的非对角元素Σ包含变量之间的协方差。
的概率密度函数(pdf)d维多元正态分布是
ÿ = F ( X , μ , Σ ) = 1 | Σ | (2 π ) d 经验值 ( − 1 2 ( X - μ ) Σ -1 ( X - μ )” )
在哪里X和μ1 -d向量和Σ是一个d——- - - - - -d对称,正定矩阵。只有mvnrnd允许半正定Σ矩阵,其可以是单数。PDF格式不能在相同的形式Σ是单数。
mvnrnd
在所评价的多元正态累积分布函数(CDF)X是一个随机向量的概率v,作为多元正态分布,位于上限值定义的半无限矩形内X:
公关 { v ( 1 ) ≤ X ( 1 ) , v ( 2 ) ≤ X ( 2 ) , … , v ( d ) ≤ X ( d ) } 。
虽然多元正态cdf没有闭合形式,mvncdf可以数值计算cdf值。
mvncdf
在一维情况下,西格玛是方差,而不是标准偏差。例如,mvnpdf(1,0,4)是相同的normpdf(1,0,2),在那里4为方差,2是标准差。
mvnpdf(1,0,4)
normpdf(1,0,2)
4
2
Kotz, S., N. Balakrishnan和N. L. Johnson。连续的多元分布:第1卷:模型和应用程序。第2版。纽约:John Wiley和Sons公司,2000。
这个功能完全支持GPU阵列。万博1manbetx有关更多信息,请参见在GPU上运行MATLAB功能(并行计算工具箱)。
mvncdf|mvnrnd|normpdf
normpdf
您的系统上有此示例的修改版本。你想打开这个版本吗?
您单击对应于该MATLAB命令的链接:
通过在MATLAB命令窗口中输入该命令来运行该命令。Web浏览器不支持MATLAB命令。万博1manbetx
选择一个网站,在可用的地方获得翻译内容,并查看当地的活动和优惠。根据您的位置,我们建议您选择:。
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。
与当地办事处联系