makedist

Создайте объект вероятностного распределения

Описание

пример

pd = makedist(distname) создает объект вероятностного распределения для распределения distname, использование значений параметров по умолчанию.

Использование makedist задавать универсальный, нормальный, многочлен, кусочные линейные объекты, или треугольного распределения. Если у вас есть программное обеспечение Statistics and Machine Learning Toolbox™, можно использовать makedist создать объекты для других распределений, таких как распределения Gamma или Weibull. Для получения дополнительной информации смотрите makedist (Statistics and Machine Learning Toolbox).

Чтобы обрезать вероятностное распределение до заданного интервала, использовать truncate (Statistics and Machine Learning Toolbox).

пример

pd = makedist(distname,Name,Value) создает объект вероятностного распределения с одним или несколькими значениями параметра распределения, заданными аргументами пары "имя-значение".

list = makedist возвращает массив ячеек list содержа список вероятностных распределений это makedist может создать.

Примеры

свернуть все

Создайте объект нормального распределения, использующий значения параметров по умолчанию.

pd = makedist('Normal')
pd = 
  NormalDistribution

  Normal distribution
       mu = 0
    sigma = 1

Создайте объект нормального распределения со средним значением mu = 75, и стандартное отклонение sigma = 10.

pd = makedist('Normal','mu',75,'sigma',10);

Создайте кусочный линейный объект распределения для распределения со значениями от 6 до 10, где значения от 6 до 8 в четыре раза более вероятны, чем значения от 8 до 10.

pd = makedist('PieceWiselinear','x',[6 8 10],'Fx',[0 0.8 1]);

Вы задаете кумулятивную функцию распределения Fx как [0 0.8 1], потому что различием между 0,8 и 0 является четыре раза различие между 1 и 0.8. В результате сгенерированное распределение имеет в четыре раза больше значений между 6 - 8, чем между 8 - 10.

График показывает заданную кумулятивную функцию распределения (CDF) и соответствующую функцию распределения вероятностей (PDF).

Кусочный линейный CDF соответствует кусочной постоянной PDF.

Входные параметры

свернуть все

Имя распределения в виде одного из следующих значений:

Имя распределенияОписание
'Uniform'Равномерное распределение — Вы задаете нижние и верхние границы распределения.
'Normal'Нормальное распределение — Вы задаете среднее и стандартное отклонение распределения.
'Multinomial'Распределение многочлена — В распределении многочлена, результатом является один из 1, 2K. Вы задаете вероятность каждого результата, [p1, p2..., pk]. Вероятности должны суммировать к 1.
'PiecewiseLinear'

Кусочное Линейное распределение — Использование это распределение, чтобы сделать пользовательский дистрибутив путем определения кусочной линейной кумулятивной функции распределения (CDF). Вы задаете вектор из значений, x, в котором CDF изменяет наклон и соответствующий вектор из значений CDF, Fx. Fx значение в любом x вероятность получения значения, меньше чем или равного x. Кусочный линейный CDF создается путем линейного соединения известных значений CDF, Fx. Этот кусочный линейный CDF соответствует кусочной постоянной функции распределения вероятностей.

Для примера смотрите, Задают Кусочный Линейный Объект распределения.

'Triangular'Треугольное распределение — Вы задаете нижний предел, пиковое местоположение и верхний предел распределения.

Для получения информации об этих распределениях смотрите Вероятностные распределения (Statistics and Machine Learning Toolbox) категория.

Примечание

Если у вас есть программное обеспечение Statistics and Machine Learning Toolbox, можно использовать makedist создать объекты для других распределений, таких как распределения Gamma или Weibull. Для получения дополнительной информации смотрите makedist (Statistics and Machine Learning Toolbox).

Аргументы в виде пар имя-значение

Задайте дополнительные разделенные запятой пары Name,Value аргументы. Name имя аргумента и Value соответствующее значение. Name должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN.

Пример: makedist('Normal','mu',10) задает нормальное распределение параметром mu равняйтесь 10, и параметр sigma равняйтесь значению по умолчанию 1.
Распределение многочлена

свернуть все

Вероятности результата в виде вектора из скалярных значений в области значений [0,1]. Вероятности суммируют к 1 и соответствуют результатам [1, 2..., k], где k является числом элементов в векторе вероятностей.

Пример: 'probabilities',[0.1 0.2 0.5 0.2] дает вероятности, что результат равняется 1, 2, 3, или 4, соответственно.

Типы данных: single | double

Нормальное распределение

свернуть все

Пример: 'mu',2

Типы данных: single | double

Пример: 'sigma',2

Типы данных: single | double

Кусочное линейное распределение

свернуть все

Пример: 'x',[1 2 3]

Типы данных: single | double

Пример: 'Fx',[0.2 0.5 1]

Типы данных: single | double

Треугольное распределение

свернуть все

Пример: 'a',-2

Типы данных: single | double

Пример: 'b',1

Типы данных: single | double

Пример: 'c',5

Типы данных: single | double

Равномерное распределение

свернуть все

Пример: 'lower',-4

Типы данных: single | double

Пример: 'upper',2

Типы данных: single | double

Выходные аргументы

свернуть все

Вероятностное распределение, возвращенное как объект вероятностного распределения типа, задано distname.

Список вероятностных распределений это makedist может создать, возвращенный как массив ячеек из символьных векторов.

Смотрите также

| (Statistics and Machine Learning Toolbox)

Введенный в R2014a
Для просмотра документации необходимо авторизоваться на сайте