binocdf

Биномиальная кумулятивная функция распределения

Описание

пример

y = binocdf(x,n,p) вычисляет биномиальную кумулятивную функцию распределения 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. binocdf функция расширяет скалярные входные параметры до постоянных массивов с теми же размерностями как другие входные параметры.

пример

y = binocdf(x,n,p,'upper') возвращает дополнение биномиальной кумулятивной функции распределения при каждом значении в x, использование алгоритма, который вычисляет экстремальные верхние вероятности хвоста более точно, чем алгоритм по умолчанию.

Примеры

свернуть все

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

Бейсбольная команда играет в 100 игр в сезон и имеет шанс на победу 50-50 каждая игра. Найдите вероятность команды, выигрывающей больше чем 55 игр в сезон.

format long
1 - binocdf(55,100,0.5)
ans = 
   0.135626512036917

Найдите вероятность команды, побеждающей между 50 и 55 играми в сезон.

binocdf(55,100,0.5) - binocdf(49,100,0.5)
ans = 
   0.404168106656672

Вычислите вероятности команды, выигрывающей больше чем 55 игр в сезон, если шанс на победу каждая игра лежит в диапазоне от 10% до 90%.

chance = 0.1:0.05:0.9;
y = 1 - binocdf(55,100,chance);

Постройте график результатов.

scatter(chance,y)
grid on

Вычислите дополнение биномиальной кумулятивной функции распределения с более точными верхними вероятностями хвоста.

Бейсбольная команда играет в 100 игр в сезон и имеет шанс на победу 50-50 каждая игра. Найдите вероятность команды, выигрывающей больше чем 95 игр в сезон.

format long
1 - binocdf(95,100,0.5)
ans = 
     0

Этот результат показывает, что вероятность так близко к 1 (в eps) то вычитание его от 1 дает 0. Чтобы аппроксимировать экстремальные верхние вероятности хвоста лучше, вычислите дополнение биномиальной кумулятивной функции распределения непосредственно вместо того, чтобы вычислить различие.

binocdf(95,100,0.5,'upper')
ans = 
     3.224844447881779e-24

В качестве альтернативы используйте binopdf функционируйте, чтобы найти вероятности команды, побеждающей 96, 97, 98, 99, и 100 игр в сезон. Найдите сумму этих вероятностей при помощи sum функция.

sum(binopdf(96:100,100,0.5),'all')
ans = 
     3.224844447881779e-24

Входные параметры

свернуть все

Значения, в которых можно оценить бином cdf в виде целого числа или массива 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 в виде положительного целого числа или массива положительных целых чисел.

Пример: [10 20 50 100]

Типы данных: single | double

Вероятность успеха для каждого испытания в виде скалярного значения или массива 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

Бином cdf значения, возвращенные как скалярное значение или массив скалярных значений. Каждый элемент в y бином cdf значение распределения, вычисляемого в соответствующем элементе в x.

Типы данных: single | double

Больше о

свернуть все

Биномиальная кумулятивная функция распределения

Биномиальная кумулятивная функция распределения позволяет вам получить вероятность наблюдения меньше чем или равного успехам x в испытаниях n с вероятностью p успеха на одном испытании.

Биномиальная кумулятивная функция распределения для данного значения x и данная пара параметров n и p

y=F(x|n,p)=i=0x(ni)pi(1p)(ni)I(0,1,...,n)(i).

Получившийся y значения является вероятностью наблюдения до успехов x в n независимые испытания, где вероятностью успеха в любом данном испытании является p. Функция индикатора I(0,1,...,n)(i) гарантирует, что x только принимает значения 0,1..., n.

Альтернативная функциональность

  • binocdf функционально-специализированное к биномиальному распределению. Statistics and Machine Learning Toolbox™ также предлагает родовую функцию cdf, который поддерживает различные вероятностные распределения. Использовать cdf, 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 специфичная для распределения функция binocdf быстрее, чем родовая функция cdf.

  • 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™.

Представлено до R2006a
Для просмотра документации необходимо авторизоваться на сайте