Exponenta Banner
exponenta event banner

lognpdf

Логарифмически нормальная функция плотности вероятности

свернуть все на странице

Синтаксис

y = lognpdf(x)
y = lognpdf(x,mu)
y = lognpdf(x,mu,sigma)

Описание

y = lognpdf(x) возвращает функцию плотности вероятности (PDF) стандартного логарифмически нормального распределения, вычисляемого в значениях в x. В стандартном логарифмически нормальном распределении среднее и стандартное отклонение логарифмических значений 0 и 1, соответственно.

y = lognpdf(x,mu) возвращает PDF логарифмически нормального распределения с параметрами распределения mu (среднее значение логарифмических значений) и 1 (стандартное отклонение логарифмических значений), оцененный в значениях в x.

пример

y = lognpdf(x,mu,sigma) возвращает PDF логарифмически нормального распределения с параметрами распределения mu (среднее значение логарифмических значений) и sigma (стандартное отклонение логарифмических значений), оцененный в значениях в x.

Примеры

свернуть все

Скрипт Open Live Script

Вычислите значения PDF, оцененные в значениях в x для логарифмически нормального распределения со средним mu и стандартное отклонение sigma.

x = 0:0.02:10;
mu = 0;
sigma = 1;
y = lognpdf(x,mu,sigma);

Постройте PDF.

plot(x,y)
grid on
xlabel('x')
ylabel('y')

Figure contains an axes. The axes contains an object of type line.

Входные параметры

свернуть все

Значения, в которых можно оценить PDF в виде значения положительной скалярной величины или массива значений положительной скалярной величины.

Чтобы оценить PDF в нескольких значениях, задайте x использование массива. Чтобы оценить pdfs нескольких распределений, задайте mu и sigma использование массивов. Если один или несколько входных параметров x\mu, и sigma массивы, затем размеры массивов должны быть тем же самым. В этом случае, lognpdf расширяет каждый скалярный вход в постоянный массив одного размера с входными параметрами массивов. Каждый элемент в y значение PDF распределения, заданного соответствующими элементами в mu и sigma, оцененный в соответствующем элементе в x.

Пример: [-1,0,3,4]

Типы данных: single | double

Среднее значение логарифмических значений для логарифмически нормального 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 mu и sigma использование массивов. Если один или несколько входных параметров x\mu, и sigma массивы, затем размеры массивов должны быть тем же самым. В этом случае, lognpdf расширяет каждый скалярный вход в постоянный массив одного размера с входными параметрами массивов. Каждый элемент в y значение PDF распределения, заданного соответствующими элементами в mu и sigma, оцененный в соответствующем элементе в x.

Пример: [0 1 2; 0 1 2]

Типы данных: single | double

Стандартное отклонение логарифмических значений для логарифмически нормального распределения в виде значения положительной скалярной величины или массива значений положительной скалярной величины.

Чтобы оценить PDF в нескольких значениях, задайте x использование массива. Чтобы оценить pdfs нескольких распределений, задайте mu и sigma использование массивов. Если один или несколько входных параметров x\mu, и sigma массивы, затем размеры массивов должны быть тем же самым. В этом случае, lognpdf расширяет каждый скалярный вход в постоянный массив одного размера с входными параметрами массивов. Каждый элемент в y значение PDF распределения, заданного соответствующими элементами в mu и sigma, оцененный в соответствующем элементе в x.

Пример: [1 1 1; 2 2 2]

Типы данных: single | double

Выходные аргументы

свернуть все

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

Больше о

свернуть все

Логарифмически нормальное распределение

Логарифмически нормальное распределение является вероятностным распределением, логарифм которого имеет нормальное распределение.

Функция плотности вероятности (PDF) логарифмически нормального распределения

y=f(x|μ,σ)=1xσ2πexp{−(logx−μ)22σ2}, для x>0.

Альтернативная функциональность

  • lognpdf функционально-специализированное к логарифмически нормальному распределению. Statistics and Machine Learning Toolbox™ также предлагает родовую функцию pdf, который поддерживает различные вероятностные распределения. Использовать pdf, создайте LognormalDistribution объект вероятностного распределения и передача объект как входной параметр или задают имя вероятностного распределения и его параметры. Обратите внимание на то, что специфичная для распределения функция lognpdf 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.

Ссылки

[1] Настроение, утра, Ф. А. Грейбилл и Д. К. Боес. Введение в Теорию Статистики. 3-й редактор, Нью-Йорк: McGraw-Hill, 1974. стр 540–541.

[2] Эванс, M., Н. Гастингс и Б. Пикок. Статистические Распределения. 2-й редактор, Хобокен, NJ: John Wiley & Sons, Inc., 1993.

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