Exponenta Banner

unifpdf

Непрерывная универсальная функция плотности вероятности

свернуть все на странице

Синтаксис

y = unifpdf(x)
y = unifpdf(x,a,b)

Описание

пример

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

пример

y = unifpdf(x,a,b) возвращает PDF непрерывного равномерного распределения на интервале [aB], оцененный в значениях в x.

Примеры

свернуть все

Скрипт Open Live Script

PDF стандартного равномерного распределения является постоянным на интервале [0,1].

Вычислите PDF 0,2, 0.4..., 1 в стандартном равномерном распределении.

x = 0.2:0.2:1;
y = unifpdf(x)
y = 1×5

     1     1     1     1     1

Если x не между a и b, unifpdf возвращает 0.

Вычислите PDF 1 через 5 в непрерывном равномерном распределении на интервале [2,4].

x2 = 1:5;
unifpdf(x2,2,4)
ans = 1×5

         0    0.5000    0.5000    0.5000         0

Если параметр a больше, чем b, unifpdf возвращает NaN независимо от x входной параметр.

unifpdf(5,10,1)
ans = NaN

Входные параметры

свернуть все

Значения, в которых можно оценить PDF в виде неотрицательного скалярного значения или массива неотрицательных скалярных значений.

  • Чтобы оценить PDF в нескольких значениях, задайте x использование массива.

  • Чтобы оценить pdfs нескольких распределений, задайте a и b использование массивов.

Если один или несколько входных параметров xA, и b массивы, затем размеры массивов должны быть тем же самым. В этом случае, unifpdf расширяет каждый скалярный вход в постоянный массив одного размера с входными параметрами массивов. Каждый элемент в y значение PDF распределения, заданного соответствующими элементами в a и b, оцененный в соответствующем элементе в x.

Пример: [3 4 7 9]

Типы данных: single | double

Более низкая конечная точка равномерного распределения в виде скалярного значения или массива скалярных значений.

  • Чтобы оценить PDF в нескольких значениях, задайте x использование массива.

  • Чтобы оценить pdfs нескольких распределений, задайте a и b использование массивов.

Если один или несколько входных параметров xA, и b массивы, затем размеры массивов должны быть тем же самым. В этом случае, unifpdf расширяет каждый скалярный вход в постоянный массив одного размера с входными параметрами массивов. Каждый элемент в y значение PDF распределения, заданного соответствующими элементами в a и b, оцененный в соответствующем элементе в x.

Пример: [0 -1 7 9]

Типы данных: single | double

Верхняя конечная точка равномерного распределения в виде скалярного значения или массива скалярных значений.

  • Чтобы оценить PDF в нескольких значениях, задайте x использование массива.

  • Чтобы оценить pdfs нескольких распределений, задайте a и b использование массивов.

Если один или несколько входных параметров xA, и b массивы, затем размеры массивов должны быть тем же самым. В этом случае, unifpdf расширяет каждый скалярный вход в постоянный массив одного размера с входными параметрами массивов. Каждый элемент в y значение PDF распределения, заданного соответствующими элементами в a и b, оцененный в соответствующем элементе в x.

Пример: [1 1 10 10]

Типы данных: single | double

Выходные аргументы

свернуть все

значения PDF оценены в значениях в x, возвращенный как скалярное значение или массив скалярных значений. y одного размера с xA, и b после любого необходимого скалярного расширения. Каждый элемент в y значение PDF распределения, заданного соответствующими элементами в a и b, оцененный в соответствующем элементе в x.

Больше о

свернуть все

Непрерывная Универсальная форма PDF

Непрерывное равномерное распределение является семейством кривых 2D параметра с постоянным PDF на его интервале поддержки, [aB]. Параметры a и b являются конечными точками интервала.

Непрерывный универсальный PDF

y=f(x|a,b)=1b−aI[a,b](x).

Стандартное равномерное распределение происходит когда a = 0 и b = 1.

Для получения дополнительной информации смотрите (Непрерывное) Равномерное распределение.

Альтернативная функциональность

  • unifpdf функционально-специализированное к непрерывному равномерному распределению. Statistics and Machine Learning Toolbox™ также предлагает родовой функции pdf, который поддерживает различные вероятностные распределения. Использовать pdf, создайте UniformDistribution 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 unifpdf 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