makedist

Создайте объект распределения вероятностей

Синтаксис

pd = makedist(distname)

pd = makedist(distname,Name,Value)

list = makedist

Описание

pd = makedist(distname) создает объект распределения вероятностей для распределения distname, с помощью значений параметров по умолчанию.

Используйте makedist, чтобы задать универсальный, нормальный, многочлен, кусочные линейные объекты, или треугольного распределения. Если у вас есть программное обеспечение Statistics and Machine Learning Toolbox™, можно использовать makedist, чтобы создать объекты для других дистрибутивов, таких как дистрибутивы Gamma или Weibull. Для получения дополнительной информации смотрите makedist в документации Statistics and Machine Learning Toolbox.

Чтобы обрезать распределение вероятностей до заданного интервала, используйте truncate.

пример

pd = makedist(distname,Name,Value) создает объект распределения вероятностей с одним или несколькими значениями параметра распределения, заданными аргументами пары "имя-значение".

list = makedist возвращает массив ячеек list, содержащий список распределений вероятностей, которые может создать makedist.

Примеры

свернуть все

Создайте объект нормального распределения

Скрипт Open Live Script

Создайте объект нормального распределения, использующий значения параметров по умолчанию.

pd = makedist('Normal')

pd = 
  NormalDistribution

  Normal distribution
       mu = 0
    sigma = 1

Задайте параметры для объекта нормального распределения

Скрипт Open Live Script

Создайте объект нормального распределения со средним значением mu = 75 и стандартным отклонением sigma = 10.

pd = makedist('Normal','mu',75,'sigma',10);

Задайте кусочный линейный объект распределения

Скрипт Open Live Script

Создайте кусочный линейный объект распределения для распределения со значениями от 6 до 10, где значения от 6 до 8 в четыре раза более вероятны, чем значения от 8 до 10.

pd = makedist('PieceWiselinear','x',[6 8 10],'Fx',[0 0.8 1]);

Вы задаете кумулятивную функцию распределения Fx как [0 0.8 1], потому что различием между 0,8 и 0 является четыре раза различие между 1 и 0.8. В результате сгенерированное распределение имеет в четыре раза больше значений между 6 - 8, чем между 8 - 10.

График показывает заданную кумулятивную функцию распределения (CDF) и соответствующую функцию распределения вероятностей (PDF).

Кусочный линейный CDF соответствует кусочному постоянному PDF.

Входные параметры

свернуть все

`distname` — Имя распределения
`'Uniform'` | `'Normal'` | `'Multinomial'` | `'PiecewiseLinear'` | `'Triangular'`

Имя распределения, заданное как одно из следующих значений:

Имя распределения	Описание
`'Uniform'`	Равномерное распределение — Вы задаете нижние и верхние границы распределения.
`'Normal'`	Нормальное распределение — Вы задаете среднее и стандартное отклонение распределения.
`'Multinomial'`	Распределение многочлена — В распределении многочлена, результатом является один из `1`, `2`..., `k`. Вы задаете вероятность каждого результата, [p1, p2..., pk]. Вероятности должны суммировать к `1`.
`'PiecewiseLinear'`	Кусочное Линейное распределение — Использование это распределение, чтобы сделать пользовательский дистрибутив путем определения кусочной линейной кумулятивной функции распределения (CDF). Вы задаете вектор значений, `x`, в котором CDF изменяет наклон и соответствующий вектор значений CDF, `Fx`. Значение `Fx` в любом `x` является вероятностью получения значения, меньше чем или равного `x`. Кусочный линейный CDF создается путем линейного соединения известных значений CDF, `Fx`. Этот кусочный линейный CDF соответствует кусочной постоянной функции распределения вероятностей. Для примера смотрите, Задают Кусочный Линейный Объект распределения.
`'Triangular'`	Треугольное распределение — Вы задаете нижний предел, пиковое местоположение и верхний предел распределения.

Для получения информации об этих дистрибутивах смотрите Распределения вероятностей (Statistics and Machine Learning Toolbox) категория.

Примечание

Если у вас есть программное обеспечение Statistics and Machine Learning Toolbox, можно использовать makedist, чтобы создать объекты для других дистрибутивов, таких как дистрибутивы Gamma или Weibull. Для получения дополнительной информации смотрите makedist в документации Statistics and Machine Learning Toolbox.

Аргументы в виде пар имя-значение

Укажите необязательные аргументы в виде пар ""имя, значение"", разделенных запятыми. Имя (Name) — это имя аргумента, а значение (Value) — соответствующее значение. Name должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN.

Пример: makedist('Normal','mu',10) задает нормальное распределение с параметром mu, равный 10 и параметром sigma, равный значению по умолчанию 1.

Распределение многочлена

свернуть все

`'probabilities'` — Вероятности результата
`[0.500 0.500]` (значение по умолчанию) | вектор скалярных значений в области значений [0,1]

Вероятности результата, заданные как вектор скалярных значений в области значений [0,1]. Вероятности суммируют к 1 и соответствуют результатам [1, 2..., k], где k является числом элементов в векторе вероятностей.

Пример: 'probabilities',[0.1 0.2 0.5 0.2] дает вероятности, что результат равняется 1, 2, 3, или 4, соответственно.