normpdf

Нормальная функция плотности вероятности

Описание

пример

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

y = normpdf(x,mu) возвращает PDF нормального распределения со средним mu и модульное стандартное отклонение, оцененное в значениях в x.

пример

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

Примеры

свернуть все

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

Вычислите значения PDF, оцененные в значениях в x для нормального распределения со средним mu и стандартное отклонение 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 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 использование массива. Чтобы оценить pdfs нескольких распределений, задайте mu и sigma использование массивов. Если один или несколько входных параметров x\mu, и sigma массивы, затем размеры массивов должны быть тем же самым. В этом случае, normpdf расширяет каждый скалярный вход в постоянный массив одного размера с входными параметрами массивов. Каждый элемент в y значение PDF распределения, заданного соответствующими элементами в mu и sigma, оцененный 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 использование массива. Чтобы оценить pdfs нескольких распределений, задайте mu и sigma использование массивов. Если один или несколько входных параметров x\mu, и sigma массивы, затем размеры массивов должны быть тем же самым. В этом случае, normpdf расширяет каждый скалярный вход в постоянный массив одного размера с входными параметрами массивов. Каждый элемент в y значение PDF распределения, заданного соответствующими элементами в mu и sigma, оцененный 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 использование массива. Чтобы оценить pdfs нескольких распределений, задайте mu и sigma использование массивов. Если один или несколько входных параметров x\mu, и sigma массивы, затем размеры массивов должны быть тем же самым. В этом случае, normpdf расширяет каждый скалярный вход в постоянный массив одного размера с входными параметрами массивов. Каждый элемент в y значение PDF распределения, заданного соответствующими элементами в mu и sigma, оцененный 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, возвращенный как скалярное значение или массив скалярных значений. y одного размера с x\mu, и sigma после любого необходимого скалярного расширения. Каждый элемент в y значение PDF распределения, заданного соответствующими элементами в mu и sigma, оцененный 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(xμ)22σ2, for дляx.

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 функционально-специализированное к нормальному распределению. Statistics and Machine Learning Toolbox™ также предлагает родовой функции pdf, который поддерживает различные вероятностные распределения. Использовать pdf, создайте NormalDistribution объект вероятностного распределения и передача объект как входной параметр или задают имя вероятностного распределения 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 вероятностного распределения.

Ссылки

[1] Эванс, M., Н. Гастингс и Б. Пикок. Статистические Распределения. 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™.

Представлено до R2006a

Для просмотра документации необходимо авторизоваться на сайте