Документация

BinomialDistribution

Биномиальный объект вероятностного распределения

расширьте все на странице

Описание

BinomialDistribution объект состоит из параметров, описания модели и выборочных данных для биномиального вероятностного распределения

Биномиальное распределение моделирует общее количество успехов в повторных испытаниях от бесконечного населения при следующих условиях:

Только два результата возможны для каждого из испытаний n.
Вероятность успеха для каждого испытания является постоянной.
Все испытания независимы друг от друга.

Биномиальное распределение использует следующие параметры.

Параметр	Описание	Поддержка
`N`	Количество испытаний	положительное целое число
`p`	Вероятность успеха	$0 \leq p \leq 1$

Создание

Существует несколько способов создать BinomialDistribution 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

`N` — Количество испытаний
положительное целочисленное значение

Количество испытаний за биномиальное распределение в виде положительного целочисленного значения.

Типы данных: single | double

`p` — Вероятность успеха
значение положительной скалярной величины в области значений `[0,1]`

Вероятность успеха любого отдельного испытания за биномиальное распределение в виде значения положительной скалярной величины в области значений [0,1].

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 отрицательный объект биномиального распределения Используя параметры по умолчанию

Скрипт Open Live Script

Создайте отрицательный объект биномиального распределения использование значений параметров по умолчанию.

pd = makedist('NegativeBinomial')

pd = 
  NegativeBinomialDistribution

  Negative Binomial distribution
    R =   1
    P = 0.5

Создайте объект биномиального распределения Используя заданные параметры

Скрипт Open Live Script

Создайте объект биномиального распределения путем определения значений параметров.

pd = makedist('Binomial','N',30,'p',0.25)

pd = 
  BinomialDistribution

  Binomial distribution
    N =   30
    p = 0.25

Вычислите среднее значение распределения.

m = mean(pd)

m = 7.5000

Смотрите также

Distribution Fitter | fitdist | makedist

Темы

Введенный в R2013a

Документация Statistics and Machine Learning Toolbox

Поддержка