Подходящие Объекты Распределения вероятностей к сгруппированным данным

В этом примере показано, как соответствовать объектам вероятностного распределения к сгруппированным выборочным данным и создать график визуально сравнить PDF каждой группы.

Шаг 1. Загрузка демонстрационных данных.

Загрузите выборочные данные.

load carsmall;

Данные содержат мили на галлон (MPG) измерения для различного делают и модели автомобилей, сгруппированных страной происхождения (Origin), модельный год (Model_Year), и другие характеристики транспортного средства.

Шаг 2. Создайте категориальный массив.

Преобразуйте Origin в категориальный массив.

Origin = categorical(cellstr(Origin));

Шаг 3. Подходящие ядерные распределения каждой группе.

Используйте fitdist соответствовать ядерным распределениям к каждой группе страны происхождения в MPG данные.

[KerByOrig,Country] = fitdist(MPG,'Kernel','by',Origin)
KerByOrig=1×6 cell array
  Columns 1 through 2

    {1x1 prob.KernelDistribution}    {1x1 prob.KernelDistribution}

  Columns 3 through 4

    {1x1 prob.KernelDistribution}    {1x1 prob.KernelDistribution}

  Columns 5 through 6

    {1x1 prob.KernelDistribution}    {1x1 prob.KernelDistribution}

Country = 6x1 cell
    {'France' }
    {'Germany'}
    {'Italy'  }
    {'Japan'  }
    {'Sweden' }
    {'USA'    }

Массив ячеек KerByOrig содержит шесть объектов ядерного распределения, один для каждой страны, представленной в выборочных данных. Каждый объект содержит свойства, которые содержат информацию о данных, распределении и параметрах. Массив Country перечисляет страну происхождения для каждой группы в том же порядке, как объекты распределения хранятся в KerByOrig.

Шаг 4. Вычислите PDF для каждой группы.

Извлеките объекты вероятностного распределения для Германии, Японии и США. Используйте положения каждой страны в KerByOrig показанный на Шаге 3, который указывает, что Германия является второй страной, Япония является четвертой страной, и США являются шестой страной. Вычислите PDF для каждой группы.

Germany = KerByOrig{2};
Japan = KerByOrig{4};
USA = KerByOrig{6};

x = 0:1:50;

USA_pdf = pdf(USA,x);
Japan_pdf = pdf(Japan,x);
Germany_pdf = pdf(Germany,x);

Шаг 5. Постройте PDF для каждой группы.

Постройте PDF для каждой группы на той же фигуре.

plot(x,USA_pdf,'r-')
hold on
plot(x,Japan_pdf,'b-.')
plot(x,Germany_pdf,'k:')
legend({'USA','Japan','Germany'},'Location','NW')
title('MPG by Country of Origin')
xlabel('MPG')

Figure contains an axes. The axes with title MPG by Country of Origin contains 3 objects of type line. These objects represent USA, Japan, Germany.

Получившийся график показывает как мили на галлон (MPG) эффективность отличается страной происхождения (Origin). Используя эти данные, США имеют самое широкое распределение, и его пик в самом низком MPG значение этих трех источников. Япония имеет самое регулярное распределение с немного более тяжелым левым хвостом, и его пик в самом высоком MPG значение этих трех источников. Пик для Германии между США и Японией, и второй удар около 44 миль за галлон предполагает, что может быть несколько режимов в данных.

Смотрите также

|

Похожие темы

Для просмотра документации необходимо авторизоваться на сайте