Документация

InverseGaussianDistribution

Обратный Гауссов объект вероятностного распределения

расширьте все на странице

Описание

InverseGaussianDistribution объект состоит из параметров, описания модели и выборочных данных для обратного Гауссова вероятностного распределения.

Также известный как Вальдово распределение, Гауссова инверсия используется, чтобы смоделировать неотрицательный положительно скошенные данные. Обратные Распределения Гаусса имеют много общих черт стандартным Гауссовым (нормальным) распределениям, которые приводят к приложениям в дедуктивной статистике.

Обратное Распределение Гаусса использует следующие параметры.

Параметр	Описание	Поддержка
`mu`	Масштабный коэффициент	$μ > 0$
`lambda`	Сформируйте параметр	$λ > 0$

Создание

Существует несколько способов создать InverseGaussianDistribution объект вероятностного распределения.

Создайте распределение с заданным использованием значений параметров makedist.
Соответствуйте распределению к использованию данных fitdist.
В интерактивном режиме соответствуйте распределению к данным с помощью приложения Distribution Fitter.

Свойства

развернуть все

Параметры распределения

`mu` — Масштабный коэффициент
значение положительной скалярной величины

Масштабный коэффициент для обратного Распределения Гаусса в виде значения положительной скалярной величины.

Типы данных: single | double

`lambda` — Сформируйте параметр
значение положительной скалярной величины

Сформируйте параметр для обратного Распределения Гаусса 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 из скалярных значений

Это свойство доступно только для чтения.

Значения параметра распределения в виде вектора.

Типы данных: single | double

`Truncation` — Интервал усечения
вектор из 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 для подбора кривой распределения
структура

Это свойство доступно только для чтения.

Данные, используемые для распределения, соответствующего в виде структуры, содержащей следующее:

data: Вектор данных используется для подбора 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 обратный объект распределения Гаусса Используя параметры по умолчанию

Скрипт Open Live Script

Создайте обратный объект Распределения Гаусса использование значений параметров по умолчанию.

pd = makedist('InverseGaussian')

pd = 
  InverseGaussianDistribution

  Inverse Gaussian distribution
        mu = 1
    lambda = 1

Создайте обратный объект распределения Гаусса Используя заданные параметры

Скрипт Open Live Script

Создайте обратный объект Распределения Гаусса настройкой значений параметров.

pd = makedist('InverseGaussian','mu',2,'lambda',4)

pd = 
  InverseGaussianDistribution

  Inverse Gaussian distribution
        mu = 2
    lambda = 4

Вычислите стандартное отклонение распределения.

s = std(pd)

s = 1.4142

Смотрите также

Distribution Fitter | fitdist | makedist

Темы

Обратное распределение Гаусса

Введенный в R2013a

Документация Statistics and Machine Learning Toolbox

Поддержка