Биномиальная функция плотности вероятности
y = binopdf(x,n,p)y = binopdf(x,n,p)x с помощью соответствующего количества испытаний в n и вероятности успеха для каждого испытания в p.
x, n и p могут быть векторами, матрицами или многомерными массивами, одного размера. Также один или несколько аргументов могут быть скалярами. Функция binopdf расширяет скалярные входные параметры до постоянных массивов с теми же размерностями как другие входные параметры.
Вычислите и постройте биномиальную функцию плотности вероятности для заданной области значений целочисленных значений, количества испытаний и вероятности успеха для каждого испытания.
За один день инспектор гарантии качества тестирует 200 печатных плат. 2% плат имеют дефекты. Вычислите вероятность, что инспектор не найдет неисправных плат ни в какой данный день.
binopdf(0,200,0.02)
ans = 0.0176
Вычислите биномиальные значения функции плотности вероятности в каждом значении от 0 до 200. Эти значения соответствуют вероятностям, что инспектор найдет 0, 1, 2..., 200 неисправных плат в любой данный день.
defects = 0:200; y = binopdf(defects,200,.02);
Постройте получившиеся биномиальные значения вероятности.
plot(defects,y)
Вычислите наиболее вероятное количество неисправных плат, которые инспектор находит за день.
[x,i] = max(y); defects(i)
ans = 4
binopdf является функционально-специализированным к биномиальному распределению. Statistics and Machine Learning Toolbox™ также предлагает родовой функции pdf, который поддерживает различные распределения вероятностей. Чтобы использовать pdf, задайте имя распределения вероятностей и его параметры. Также создайте распределение вероятностей BinomialDistribution, возражают и передают объект как входной параметр. Обратите внимание на то, что специфичный для распределения функциональный binopdf быстрее, чем родовая функция pdf.
Используйте приложение Probability Distribution Function, чтобы создать интерактивный график кумулятивной функции распределения (cdf) или функции плотности вероятности (PDF) для распределения вероятностей.