cdfplot

Эмпирическая кумулятивная функция распределения (cdf) график

Описание

пример

cdfplot(x) создает эмпирическую кумулятивную функцию распределения (cdf) график для данных в x. Для значения t в x, эмпирический cdf F (t) является пропорцией значений в x меньше чем или равный t.

h = cdfplot(x) возвращает указатель эмпирического объекта сюжетной линии cdf. Используйте h запросить или изменить свойства объекта после того, как вы создаете его. Для списка свойств смотрите Line Properties.

[h,stats] = cdfplot(x) также возвращает структуру включая итоговую статистику для данных в x.

Примеры

свернуть все

Постройте эмпирический cdf набора выборочных данных и сравните его с теоретическим cdf базового распределения набора выборочных данных. На практике теоретический cdf может быть неизвестным.

Сгенерируйте набор данных случайной выборки от распределения экстремума с параметром положения 0 и масштабным коэффициентом 3.

rng('default')  % For reproducibility
y = evrnd(0,3,100,1);

Постройте эмпирический cdf набора выборочных данных и теоретический cdf на той же фигуре.

cdfplot(y)
hold on
x = linspace(min(y),max(y));
plot(x,evcdf(x,0,3))
legend('Empirical CDF','Theoretical CDF','Location','best')
hold off

График показывает подобие между эмпирическим cdf и теоретическим cdf.

В качестве альтернативы можно использовать ecdf функция. ecdf функционируйте также строит 95% доверительных интервалов, оцененных при помощи Формулы Гринвуда. Для получения дополнительной информации смотрите Формулу Гринвуда.

ecdf(y,'Bounds','on')
hold on
plot(x,evcdf(x,0,3))
grid on
title('Empirical CDF')
legend('Empirical CDF','Lower Confidence Bound','Upper Confidence Bound','Theoretical CDF','Location','best')
hold off

Выполните одновыборочный критерий Колмогорова-Смирнова при помощи kstest. Подтвердите тестовое решение путем визуального сравнения эмпирической кумулятивной функции распределения (cdf) к стандартному нормальному cdf.

Загрузите examgrades набор данных. Создайте вектор, содержащий первый столбец данных о классе экзамена.

load examgrades
test1 = grades(:,1);

Протестируйте нулевую гипотезу, что данные прибывают из нормального распределения со средним значением 75 и стандартным отклонением 10. Используйте эти параметры, чтобы сосредоточить и масштабировать каждый элемент вектора данных, потому что kstest тесты для стандартного нормального распределения по умолчанию.

x = (test1-75)/10;
h = kstest(x)
h = logical
   0

Возвращенное значение h = 0 указывает на тот kstest сбои, чтобы отклонить нулевую гипотезу на 5%-м уровне значения по умолчанию.

Постройте эмпирический cdf и стандартный нормальный cdf для визуального сравнения.

cdfplot(x)
hold on
x_values = linspace(min(x),max(x));
plot(x_values,normcdf(x_values,0,1),'r-')
legend('Empirical CDF','Standard Normal CDF','Location','best')

Рисунок показывает подобие между эмпирическим cdf и масштабированного вектора данных в центре и cdf стандартного нормального распределения.

Входные параметры

свернуть все

Входные данные в виде числового вектора.

Типы данных: single | double

Выходные аргументы

свернуть все

Указатель эмпирического cdf построил линию объект, возвращенный как объект линии на графике. Используйте h запросить или изменить свойства объекта после того, как вы создаете его. Для списка свойств смотрите Line Properties.

Итоговая статистика для данных в x, возвращенный как структура со следующими полями:

Поле Описание

min

Минимальное значение

max

Максимальное значение

mean

Демонстрационное среднее значение

median

Демонстрационная медиана (50-я процентиль)

std

Демонстрационное стандартное отклонение

Советы

Альтернативная функциональность

Можно использовать ecdf функционируйте, чтобы найти эмпирические cdf значения и создать эмпирический график cdf. ecdf функция позволяет вам указать на подвергнутые цензуре данные и вычислить доверительные границы для предполагаемых cdf значений.

Представлено до R2006a

Для просмотра документации необходимо авторизоваться на сайте