Exponenta Banner
exponenta event banner

normpdf

Нормальная функция плотности вероятности

свернуть все на странице

Синтаксис

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

Описание

пример

y = normpdf(x) возвращает функцию плотности вероятности (PDF) стандартного нормального распределения, оцененного в значениях в x.

y = normpdf(x,mu) возвращает PDF нормального распределения со средним mu и модульным стандартным отклонением, оцененным в значениях в x.

пример

y = normpdf(x,mu,sigma) возвращает PDF нормального распределения со средним mu и стандартным отклонением sigma, оцененный в значениях в x.

Примеры

свернуть все

Скрипт Open Live Script

Вычислите значения PDF для стандартного нормального распределения в значениях в x.

x = [-2,-1,0,1,2];
y = normpdf(x)
y = 1×5

    0.0540    0.2420    0.3989    0.2420    0.0540
Скрипт Open Live Script

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

x = [-2,-1,0,1,2];
mu = 2;
sigma = 1;
y = normpdf(x,mu,sigma)
y = 1×5

    0.0001    0.0044    0.0540    0.2420    0.3989

Вычислите значения PDF, оцененные в нуле для различных нормальных распределений с различными средними параметрами. 

mu = [-2,-1,0,1,2];
sigma = 1;
y = normpdf(0,mu,sigma)
y = 1×5

    0.0540    0.2420    0.3989    0.2420    0.0540

Входные параметры

свернуть все

Значения, в которых можно оценить PDF, заданный 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 normpdf 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 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 normpdf 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 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 normpdf 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

Нормальное распределение

Нормальное распределение является семейством кривых 2D параметра. Первый параметр, µ, является средним значением. Второй параметр, σ, является стандартным отклонением.

Стандартное нормальное распределение имеет нулевое среднее значение и модульное стандартное отклонение.

Нормальная функция плотности вероятности (PDF)

y=f(x|μ,σ)=1σ2πe−(x−μ)22σ2, for дляx∈ℝ.

Функцией правдоподобия является PDF, просматриваемый как функция параметров. Оценки наибольшего правдоподобия (MLEs) являются оценками параметра, которые максимизируют функцию правдоподобия для фиксированных значений x.

Альтернативная функциональность

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