binopdf

Биномиальная функция плотности вероятности

свернуть все на странице

Синтаксис

y = binopdf(x,n,p)

Описание

пример

y = binopdf(x,n,p) вычисляет биномиальную функцию плотности вероятности при каждом из значений в x использование соответствующего количества испытаний в n и вероятность успеха для каждого испытания в p.

xN, и p могут быть векторы, матрицы или многомерные массивы, одного размера. В качестве альтернативы один или несколько аргументов могут быть скалярами. binopdf функция расширяет скалярные входные параметры до постоянных массивов с теми же размерностями как другие входные параметры.

Примеры

свернуть все

Скрипт Open Live Script

Вычислите и постройте биномиальную функцию плотности вероятности для заданной области целочисленных значений, количества испытаний и вероятности успеха для каждого испытания.

За один день инспектор гарантии качества тестирует 200 печатных плат. 2% плат имеют дефекты. Вычислите вероятность, что инспектор не найдет неисправных плат ни в какой данный день.

binopdf(0,200,0.02)
ans = 0.0176

Вычислите биномиальные значения функции плотности вероятности в каждом значении от 0 до 200. Эти значения соответствуют вероятностям, что инспектор найдет 0, 1, 2..., 200 неисправных плат в любой данный день.

defects = 0:200;
y = binopdf(defects,200,.02);

Постройте получившиеся биномиальные значения вероятности.

plot(defects,y)

Вычислите наиболее вероятное количество неисправных плат, которые инспектор находит за день.

[x,i] = max(y);
defects(i)
ans = 4

Входные параметры

свернуть все

Значения, в которых можно оценить биномиальный PDF, заданный как целое число или массив целых чисел. Все значения x должен принадлежать интервалу [0 n], где n количество испытаний.

Пример: [0,1,3,4]

Типы данных: single | double

Количество испытаний, заданных как положительное целое число или массив положительных целых чисел.

Пример: [10,20,50,100]

Типы данных: single | double

Вероятность успеха для каждого испытания, заданного как скалярное значение или массив скалярных значений. Все значения p должен принадлежать интервалу [0 1].

Пример: [0.01,0.1,0.5,0.7]

Типы данных: single | double

Выходные аргументы

свернуть все

Биномиальные значения PDF, возвращенные как скалярное значение или массив скалярных значений. Каждый элемент в y биномиальное значение PDF распределения, вычисляемого в соответствующем элементе в x.

Типы данных: single | double

Больше о

свернуть все

Биномиальная функция плотности вероятности

Биномиальная функция плотности вероятности позволяет вам получить вероятность наблюдения точно успехов x в испытаниях n с вероятностью p успеха на одном испытании.

Биномиальная функция плотности вероятности для данного значения x и данная пара параметров n и p

y=f(x|n,p)=(nx)pxq(n−x)I(0,1,...,n)(x)

где q = 1 – p. Получившийся y значения является вероятностью наблюдения точно успехов x в n независимые испытания, где вероятностью успеха в любом данном испытании является p. I функции индикатора (0,1..., n) (x) гарантирует, что x только принимает значения 0, 1..., n.

Альтернативная функциональность

  • binopdf функционально-специализированное к биномиальному распределению. Statistics and Machine Learning Toolbox™ также предлагает родовой функции pdf, который поддерживает различные вероятностные распределения. Использовать pdf, задайте имя вероятностного распределения и его параметры. В качестве альтернативы создайте BinomialDistribution объект вероятностного распределения и передача объект как входной параметр. Обратите внимание на то, что специфичный для распределения функциональный binopdf быстрее, чем родовая функция pdf.

  • Используйте приложение Probability Distribution Function, чтобы создать интерактивный график кумулятивной функции распределения (cdf) или функции плотности вероятности (PDF) для вероятностного распределения.

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