Exponenta Banner
exponenta event banner

lognstat

Логарифмически нормальное среднее значение и отклонение

свернуть все на странице

Синтаксис

[m,v] = lognstat(mu,sigma)

Описание

пример

[m,v] = lognstat(mu,sigma) возвращает среднее значение и отклонение логарифмически нормального распределения с параметрами распределения mu (среднее значение логарифмических значений) и sigma (стандартное отклонение логарифмических значений).

Примеры

свернуть все

Скрипт Open Live Script

Вычислите среднее значение и отклонение логарифмически нормального распределения с параметрами mu и sigma. 

mu = 0;
sigma = 1;
[m,v] = lognstat(mu,sigma)
m = 1.6487

v = 4.6708

Входные параметры

свернуть все

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

Чтобы вычислить средние значения и отклонения нескольких дистрибутивов, задайте параметры распределения с помощью массива скалярных значений. Если и mu и sigma являются массивами, то размеры массивов должны быть тем же самым. Если или mu или sigma являются скаляром, то lognstat расширяет скалярный аргумент в постоянный массив, одного размера в качестве другого аргумента. Каждый элемент в m и v является средним значением и отклонением распределения, заданного соответствующими элементами в mu и sigma.

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 вычислить средние значения и отклонения нескольких дистрибутивов, задайте параметры распределения с помощью массива скалярных значений. Если и mu и sigma являются массивами, то размеры массивов должны быть тем же самым. Если или mu или sigma являются скаляром, то lognstat расширяет скалярный аргумент в постоянный массив, одного размера в качестве другого аргумента. Каждый элемент в m и v является средним значением и отклонением распределения, заданного соответствующими элементами в mu и sigma.

Пример: [1 1 1; 2 2 2]

Типы данных: single | double

Выходные аргументы

свернуть все

Среднее значение логарифмически нормального распределения, возвращенного как скалярное значение или массив скалярных значений. m одного размера как mu и sigma после любого необходимого скалярного расширения. Каждый элемент в m является средним значением логарифмически нормального распределения, заданного соответствующими элементами в mu и sigma.

Отклонение логарифмически нормального распределения, возвращенного как скалярное значение или массив скалярных значений. v одного размера как mu и sigma после любого необходимого скалярного расширения. Каждый элемент в v является отклонением логарифмически нормального распределения, заданного соответствующими элементами в mu и sigma.

Больше о

свернуть все

Логарифмически нормальное распределение

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

Средний m и отклонение v логарифмически нормальной случайной переменной являются функциями логарифмически нормальных параметров распределения µ и σ:

m=exp(μ+σ2/2)v=exp(2μ+σ2)(exp(σ2)−1)

Кроме того, можно вычислить логарифмически нормальные параметры распределения µ и σ от среднего m и отклонения v:

μ=журнал(m2/v+m2)σ=журнал(v/m2+1)

Альтернативная функциональность

  • lognstat является функционально-специализированным к логарифмически нормальному распределению. Statistics and Machine Learning Toolbox™ также предлагает родовые функции, чтобы вычислить итоговую статистику, включая среднее значение (mean), медиана (median), межквартильный размах (iqr), отклонение (var) и стандартное отклонение (std). Эти родовые функции поддерживают различные распределения вероятностей. Чтобы использовать эти функции, создайте распределение вероятностей LognormalDistribution, возражают и передают объект как входной параметр.

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