Документация

NakagamiDistribution

Объект вероятностного распределения Nakagami

расширьте все на странице

Описание

NakagamiDistribution объект состоит из параметров, описания модели и выборочных данных для вероятностного распределения Nakagami.

Распределение Nakagami обычно используется в коммуникационной теории к рассеянным сигналам модели, которые достигают получателя с помощью разнообразных путей.

Распределение Nakagami использует следующие параметры.

Параметр	Описание	Поддержка
`mu`	Сформируйте параметр	$μ > 0$
`omega`	Масштабный коэффициент	$ω > 0$

Создание

Существует несколько способов создать NakagamiDistribution объект вероятностного распределения.

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

`mu` — Сформируйте параметр
значение положительной скалярной величины

Сформируйте параметр для распределения Nakagami в виде значения положительной скалярной величины.

Типы данных: single | double

`omega` — Масштабный коэффициент
значение положительной скалярной величины

Масштабный коэффициент для распределения Nakagami в виде значения положительной скалярной величины.

Типы данных: single | double

Характеристики распределения

`IsTruncated` — Логический флаг для усеченного распределения
0 | 1

Это свойство доступно только для чтения.

Логический флаг для усеченного распределения в виде логического значения. Если IsTruncated равняется 0, распределение не является усеченным. Если IsTruncated равняется 1, распределение является усеченным.

Типы данных: логический

`NumParameters` — Количество параметров
положительное целочисленное значение

Это свойство доступно только для чтения.

Количество параметров для вероятностного распределения в виде положительного целочисленного значения.

Типы данных: double

`ParameterCovariance` — Ковариационная матрица оценок параметра
матрица скалярных значений

Это свойство доступно только для чтения.

Ковариационная матрица параметра оценивает в виде p-by-p матрицу, где p является количеством параметров в распределении. (iJ) элементом является ковариация между оценками iпараметр th и jпараметр th. (ii) элементом является предполагаемое отклонение iпараметр th. Если параметр i фиксируется, а не оценивается путем подбора кривой распределению к данным, затем (ii) элементы ковариационной матрицы 0.

Типы данных: double

`ParameterIsFixed` — Логический флаг для фиксированных параметров
массив логических значений

Это свойство доступно только для чтения.

Логический флаг для фиксированных параметров в виде массива логических значений. Если 0, соответствующий параметр в ParameterNames массив не фиксируется. Если 1, соответствующий параметр в ParameterNames массив фиксируется.

Типы данных: логический

`ParameterValues` — Значения параметра распределения
вектор скалярных значений

Это свойство доступно только для чтения.

Значения параметра распределения в виде вектора.

Типы данных: single | double

`Truncation` — Интервал усечения
вектор скалярных значений

Это свойство доступно только для чтения.

Интервал усечения для вероятностного распределения в виде вектора, содержащего более низкие и верхние контуры усечения.

Типы данных: single | double

Другие свойства объектов

`DistributionName` — Имя вероятностного распределения
символьный вектор

Это свойство доступно только для чтения.

Имя вероятностного распределения в виде вектора символов.

Типы данных: char

`InputData` — Данные используются в подборе кривой распределения
структура

Это свойство доступно только для чтения.

Данные, используемые в распределении, соответствующем в виде структуры, содержащей следующее:

data: Вектор данных используется в подборе кривой распределения.
cens: Цензурирование вектора, или пустой, если ни один.
freq: Вектор частоты, или пустой, если ни один.

Типы данных: struct

`ParameterDescription` — Описания параметра распределения
массив ячеек из символьных векторов

Это свойство доступно только для чтения.

Описания параметра распределения в виде массива ячеек из символьных векторов. Каждая ячейка содержит краткое описание одного параметра распределения.

Типы данных: char

`ParameterNames` — Имена параметра распределения
массив ячеек из символьных векторов

Это свойство доступно только для чтения.

Параметр распределения называет в виде массива ячеек из символьных векторов.

Типы данных: char

Функции объекта

`cdf`	Кумулятивная функция распределения
`icdf`	Обратная кумулятивная функция распределения
`iqr`	Межквартильный размах
`mean`	Среднее значение вероятностного распределения
`median`	Медиана вероятностного распределения
`negloglik`	Отрицательная логарифмическая правдоподобность вероятностного распределения
`paramci`	Доверительные интервалы для параметров вероятностного распределения
`pdf`	Функция плотности вероятности
`proflik`	Профилируйте функцию правдоподобия для вероятностного распределения
`random`	Случайные числа
`std`	Стандартное отклонение вероятностного распределения
`truncate`	Усеченный объект вероятностного распределения
`var`	Отклонение вероятностного распределения

Примеры

свернуть все

Создайте объект распределения Nakagami Используя параметры по умолчанию

Скрипт Open Live Script

Создайте объект распределения Nakagami с помощью значений параметров по умолчанию.

pd = makedist('Nakagami')

pd = 
  NakagamiDistribution

  Nakagami distribution
       mu = 1
    omega = 1

Создайте объект распределения Nakagami Используя заданные параметры

Скрипт Open Live Script

Создайте объект распределения Nakagami настройкой значений параметров.

pd = makedist('Nakagami','mu',5,'omega',2)

pd = 
  NakagamiDistribution

  Nakagami distribution
       mu = 5
    omega = 2

Вычислите среднее значение распределения.

m = mean(pd)

m = 1.3794

Смотрите также

Distribution Fitter | fitdist | makedist

Темы

Распределение Nakagami

Введенный в R2013a

Документация Statistics and Machine Learning Toolbox

Поддержка

Для просмотра документации необходимо авторизоваться на сайте