lognpdf

Логарифмически нормальная функция плотности вероятности

свернуть все на странице

Синтаксис

y = lognpdf(x)
y = lognpdf(x,mu)
y = lognpdf(x,mu,sigma)

Описание

y = lognpdf(x) возвращает функцию плотности вероятности (PDF) стандартного логарифмически нормального распределения, оцененного в значениях в x. В стандартном логарифмически нормальном распределении среднее и стандартное отклонение логарифмических значений 0 и 1, соответственно.

y = lognpdf(x,mu) возвращает PDF логарифмически нормального распределения с параметрами распределения mu (среднее значение логарифмических значений) и 1 (стандартное отклонение логарифмических значений), оцененный в значениях в x.

пример

y = lognpdf(x,mu,sigma) возвращает PDF логарифмически нормального распределения с параметрами распределения mu (среднее значение логарифмических значений) и sigma (стандартное отклонение логарифмических значений), оцененный в значениях в x.

Примеры

свернуть все

Скрипт Open Live Script

Вычислите значения PDF, оцененные в значениях в x для логарифмически нормального распределения со средним mu и стандартным отклонением sigma.

x = 0:0.02:10;
mu = 0;
sigma = 1;
y = lognpdf(x,0,1);

Постройте PDF.

plot(x,y)
grid on
xlabel('x')
ylabel('y')

Входные параметры

свернуть все

Значения, в которых можно оценить PDF, заданный как значение положительной скалярной величины или массив значений положительной скалярной величины.

Чтобы оценить PDF в нескольких значениях, задайте x с помощью массива. Чтобы оценить pdfs нескольких дистрибутивов, задайте mu и sigma с помощью массивов. Если один или несколько входных параметров, x, mu и sigma являются массивами, то размеры массивов должны быть тем же самым. В этом случае lognpdf расширяет каждый скалярный вход в постоянный массив, одного размера как входные параметры массивов. Каждый элемент в y является значением PDF распределения, заданного соответствующими элементами в mu и sigma, оцененном в соответствующем элементе в x.

Пример: [-1,0,3,4]

Типы данных: single | double

Среднее значение логарифмических значений для логарифмически нормального распределения, заданного как скалярное значение или массив скалярных значений.

Чтобы оценить PDF в нескольких значениях, задайте x с помощью массива. Чтобы оценить pdfs нескольких дистрибутивов, задайте mu и sigma с помощью массивов. Если один или несколько входных параметров, x, mu и sigma являются массивами, то размеры массивов должны быть тем же самым. В этом случае lognpdf расширяет каждый скалярный вход в постоянный массив, одного размера как входные параметры массивов. Каждый элемент в y является значением PDF распределения, заданного соответствующими элементами в mu и sigma, оцененном в соответствующем элементе в x.

Пример: [0 1 2; 0 1 2]

Типы данных: single | double

Стандартное отклонение логарифмических значений для логарифмически нормального распределения, заданного как значение положительной скалярной величины или массив значений положительной скалярной величины.

Чтобы оценить PDF в нескольких значениях, задайте x с помощью массива. Чтобы оценить pdfs нескольких дистрибутивов, задайте mu и sigma с помощью массивов. Если один или несколько входных параметров, x, mu и sigma являются массивами, то размеры массивов должны быть тем же самым. В этом случае lognpdf расширяет каждый скалярный вход в постоянный массив, одного размера как входные параметры массивов. Каждый элемент в y является значением PDF распределения, заданного соответствующими элементами в mu и sigma, оцененном в соответствующем элементе в x.

Пример: [1 1 1; 2 2 2]

Типы данных: single | double

Выходные аргументы

свернуть все

значения PDF, оцененные в значениях в x, возвратились как скалярное значение или массив скалярных значений. y одного размера как x, mu и sigma после любого необходимого скалярного расширения. Каждый элемент в y является значением PDF распределения, заданного соответствующими элементами в mu и sigma, оцененном в соответствующем элементе в x.

Больше о

свернуть все

Логарифмически нормальное распределение

Логарифмически нормальное распределение является распределением вероятностей, логарифм которого имеет нормальное распределение.

Функция плотности вероятности (PDF) логарифмически нормального распределения

y=f(x|μ,σ)=1xσ2πexp{−(журналx−μ)22σ2}, for дляx>0.

Альтернативная функциональность

  • lognpdf является функционально-специализированным к логарифмически нормальному распределению. Statistics and Machine Learning Toolbox™ также предлагает родовой функции pdf, который поддерживает различные распределения вероятностей. Чтобы использовать pdf, создайте распределение вероятностей LognormalDistribution, возражают и передают объект как входной параметр или задают имя распределения вероятностей и его параметры. Обратите внимание на то, что специфичный для распределения функциональный lognpdf 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.

Ссылки

[1] Настроение, утра, Ф. А. Грейбилл и Д. К. Боес. Введение в Теорию Статистики. 3-й редактор, Нью-Йорк: McGraw-Hill, 1974. стр 540–541.

[2] Эванс, M., Н. Гастингс и Б. Пикок. Статистические Дистрибутивы. 2-й редактор, Хобокен, NJ: John Wiley & Sons, Inc., 1993.

Расширенные возможности

Генерация кода C/C++
Генерация кода C и C++ с помощью MATLAB® Coder™.

Смотрите также

| | | | | | |

Темы

Представлено до R2006a

Документация Statistics and Machine Learning Toolbox
Поддержка
Для просмотра документации необходимо авторизоваться на сайте