HalfNormalDistribution

Объект полунормального распределения вероятностей

расширьте все на странице

Описание

Объект HalfNormalDistribution состоит из параметров, образцового описания и выборочных данных для полунормального распределения вероятностей.

Полунормальное распределение является особым случаем свернутого нормального и усеченного нормального распределения. Приложения полунормального распределения включают данные об измерении моделирования и пожизненные данные.

Полунормальное распределение использует следующие параметры:

ПараметрОписаниеПоддержка
muМестоположение −∞<μ<∞
sigmaШкалаσ≥0

Для получения дополнительной информации о полунормальном распределении, смотрите Полунормальное распределение.

Создание

Существует несколько способов создать объект распределения вероятностей HalfNormalDistribution.

  • Создайте распределение с заданными значениями параметров с помощью makedist.

  • Соответствуйте распределению к данным с помощью fitdist.

  • В интерактивном режиме соответствуйте распределению к данным с помощью приложения Distribution Fitter.

Свойства

развернуть все

Параметры распределения

Параметр положения полунормального распределения, заданного как скалярное значение. Параметр mu является также нижним пределом полунормального распределения.

Реализация Statistics and Machine Learning Toolbox™ полунормального распределения принимает фиксированное значение для параметра положения μ. Можно задать значение для параметра μ при создании объекта HalfNormalDistribution.

Типы данных: single | double

Масштабный коэффициент полунормального распределения, заданного как неотрицательное скалярное значение.

Типы данных: single | double

Характеристики распределения

Это свойство доступно только для чтения.

Логический флаг для усеченного распределения, заданного как логическое значение. Если IsTruncated равняется 0, распределение не является усеченным. Если IsTruncated равняется 1, распределение является усеченным.

Типы данных: логический

Это свойство доступно только для чтения.

Количество параметров для распределения вероятностей, заданного как положительное целочисленное значение.

Типы данных: double

Это свойство доступно только для чтения.

Ковариационная матрица оценок параметра, заданных как p-by-p матрица, где p является количеством параметров в распределении. (i, j) элемент является ковариацией между оценками i th параметр и j th параметр. (i, i) элемент является предполагаемым отклонением i th параметр. Если параметр i фиксируется, а не оценивается путем подбора кривой распределению к данным, то (i, i) элементы ковариационной матрицы 0.

Типы данных: double

Это свойство доступно только для чтения.

Логический флаг для фиксированных параметров, заданных как массив логических значений. Если 0, соответствующий параметр в массиве ParameterNames не фиксируется. Если 1, соответствующий параметр в массиве ParameterNames фиксируется.

Типы данных: логический

Это свойство доступно только для чтения.

Значения параметра распределения, заданные как вектор.

Типы данных: single | double

Это свойство доступно только для чтения.

Интервал усечения для распределения вероятностей, заданного как вектор, содержащий более низкие и верхние контуры усечения.

Типы данных: single | double

Другие свойства объектов

Это свойство доступно только для чтения.

Имя распределения вероятностей, заданное как вектор символов.

Типы данных: char

Это свойство доступно только для чтения.

Данные используются для подбора кривой распределения, заданного как структура, содержащая следующее:

  • данные: Вектор данных используется для подбора кривой распределения.

  • cens: Цензурирование вектора, или пустой, если ни один.

  • freq: вектор Частоты, или пустой, если ни один.

Типы данных: struct

Это свойство доступно только для чтения.

Описания параметра распределения, заданные как массив ячеек из символьных векторов. Каждая ячейка содержит краткое описание одного параметра распределения.

Типы данных: char

Это свойство доступно только для чтения.

Имена параметра распределения, заданные как массив ячеек из символьных векторов.

Типы данных: char

Функции объекта

cdfКумулятивная функция распределения
icdfОбратная кумулятивная функция распределения
iqrМежквартильный размах
meanСреднее значение распределения вероятностей
medianМедиана распределения вероятностей
negloglikОтрицательный loglikelihood распределения вероятностей
paramciДоверительные интервалы для параметров распределения вероятностей
pdfФункция плотности вероятности
proflikПрофилируйте функцию правдоподобия для распределения вероятностей
randomСлучайные числа
stdСтандартное отклонение распределения вероятностей
truncateУсеченный объект распределения вероятностей
varОтклонение распределения вероятностей

Примеры

свернуть все

Скрипт Open Live Script
pd = makedist('HalfNormal')
pd = 
  HalfNormalDistribution

  Half Normal distribution
       mu = 0
    sigma = 1
Скрипт Open Live Script

Создайте объект полунормального распределения. Задайте mu, равный 0 и sigma, равный 1,5.

pd = makedist('HalfNormal','mu',0,'sigma',1.5)
pd = 
  HalfNormalDistribution

  Half Normal distribution
       mu =   0
    sigma = 1.5

Вычислите среднее и стандартное отклонение распределения.

m = mean(pd)
m = 1.1968

s = std(pd)
s = 0.9042
Скрипт Open Live Script

Сгенерируйте 100 случайных чисел от стандартного нормального распределения и вычислите их абсолютное значение.

rng default  % For reproducibility
x = abs(random(makedist('Normal'),100,1));

Соответствуйте объекту полунормального распределения к выборочным данным.

pd = fitdist(x,'HalfNormal')
pd = 
  HalfNormalDistribution

  Half Normal distribution
       mu =      0
    sigma = 1.1631   [1.02184, 1.35006]

Вычислите среднее значение подходящего полунормального распределения с помощью объекта распределения вероятностей.

m = mean(pd)
m = 0.9280

Вычислите среднее значение полунормального распределения путем замены вмещенным mu и значениями параметров sigma в формулу

mean=μ+σ2π.

mcalc = pd.mu + pd.sigma*(sqrt(2/pi))
mcalc = 0.9280

Ссылки

[1] Cooray, K. и M.M.A. Полное блаженство. “Обобщение Полунормального распределения с Приложениями к Пожизненным Данным”. Коммуникации в Статистике – Теория и Методы. Издание 37, Номер 9, 2008, стр 1323–1337.

[2] Пеуси, A. Вывод большой выборки для Общего Полунормального распределения. Коммуникации в Статистике – Теория и Методы. Издание 31, Номер 7, 2002, стр 1045–1054.

Смотрите также

| |

Темы

Введенный в R2016a

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