PiecewiseLinearDistribution
Кусочный линейный объект распределения вероятностей
Описание
Объект PiecewiseLinearDistribution состоит из образцового описания для кусочного линейного распределения вероятностей.
Кусочное линейное распределение является созданным использованием непараметрического распределения вероятностей кусочного линейного представления кумулятивной функции распределения (cdf). Опции, заданные для кусочного линейного распределения, задают форму cdf. Функция плотности вероятности (PDF) является ступенчатой функцией.
Кусочное линейное распределение использует следующие параметры.
| Параметр | Описание |
|---|---|
x | Вектор значений x, в которых cdf изменяет наклон |
Fx | Вектор cdf значений, которые соответствуют каждому значению в x |
Создание
Создайте распределение вероятностей PiecewiseLinearDistribution с заданным объектом значений параметров использование makedist.
Свойства
Функции объекта
cdf | Кумулятивная функция распределения |
icdf | Обратная кумулятивная функция распределения |
iqr | Межквартильный размах |
mean | Среднее значение распределения вероятностей |
median | Медиана распределения вероятностей |
pdf | Функция плотности вероятности |
random | Случайные числа |
std | Стандартное отклонение распределения вероятностей |
truncate | Усеченный объект распределения вероятностей |
var | Отклонение распределения вероятностей |
Примеры
Создайте кусочный линейный объект распределения Используя параметры по умолчанию
Создайте кусочный линейный объект распределения с помощью значений параметров по умолчанию.
pd = makedist('PiecewiseLinear')pd = PiecewiseLinearDistribution F(0) = 0 F(1) = 1
Создайте кусочный линейный объект распределения Используя заданные параметры
Загрузите выборочные данные. Визуализируйте терпеливые данные о весе с помощью гистограммы.
load hospital
histogram(hospital.Weight)
Гистограмма показывает, что данные имеют два режима, один для пациенток и один для штекерных пациентов.
Вычислите эмпирическую кумулятивную функцию распределения (ecdf) для данных.
[f,x] = ecdf(hospital.Weight);
Создайте кусочную линейную аппроксимацию к ecdf и постройте обе функции.
f = f(1:5:end); % keep a less dense grid of points x = x(1:5:end); figure; ecdf(hospital.Weight) hold on plot(x,f,'ro','MarkerFace','r') % overlay grid plot(x,f,'k') % show interpolation
Создайте кусочный линейный объект распределения вероятностей использование кусочного приближения ecdf.
pd = makedist('PiecewiseLinear','x',x,'Fx',f)
pd = PiecewiseLinearDistribution F(111) = 0 F(118) = 0.05 F(124) = 0.13 F(130) = 0.25 F(135) = 0.37 F(142) = 0.5 F(163) = 0.55 F(171) = 0.61 F(178) = 0.7 F(183) = 0.82 F(189) = 0.94 F(202) = 1
Сгенерируйте 100 случайных чисел от распределения.
rw = random(pd,100,1);
Постройте случайные числа, чтобы визуально сравнить их распределение с исходными данными.
figure; histogram(rw)
Случайные числа, сгенерированные от кусочного линейного распределения, имеют то же бимодальное распределение как исходные данные.