Обратная кумулятивная функция распределения
Создайте стандартный объект нормального распределения со средним значением, , равняйтесь 0 и стандартное отклонение, , равняйтесь 1.
mu = 0; sigma = 1; pd = makedist('Normal','mu',mu,'sigma',sigma);
Задайте входной вектор p, чтобы содержать значения вероятности, в которых можно вычислить icdf.
p = [0.1,0.25,0.5,0.75,0.9];
Вычислите icdf значения для стандартного нормального распределения в значениях в p.
x = icdf(pd,p)
x = 1×5
-1.2816 -0.6745 0 0.6745 1.2816
Каждое значение в x соответствует значению во входном векторе p. Например, в значении p равный 0,9, соответствующее icdf значение x равно 1,2816.
В качестве альтернативы можно вычислить те же icdf значения, не создавая объект вероятностного распределения. Используйте icdf функционируйте и задайте стандартное нормальное распределение с помощью тех же значений параметров для и .
x2 = icdf('Normal',p,mu,sigma)x2 = 1×5
-1.2816 -0.6745 0 0.6745 1.2816
icdf значения совпадают с теми вычисленное использование объекта вероятностного распределения.
Создайте объект распределения Пуассона параметром уровня, , равняйтесь 2.
lambda = 2; pd = makedist('Poisson','lambda',lambda);
Задайте входной вектор p, чтобы содержать значения вероятности, в которых можно вычислить icdf.
p = [0.1,0.25,0.5,0.75,0.9];
Вычислите icdf значения для распределения Пуассона в значениях в p.
x = icdf(pd,p)
x = 1×5
0 1 2 3 4
Каждое значение в x соответствует значению во входном векторе p. Например, в значении p равный 0,9, соответствующее icdf значение x равно 4.
В качестве альтернативы можно вычислить те же icdf значения, не создавая объект вероятностного распределения. Используйте icdf функционируйте и задайте распределение Пуассона с помощью того же значения для параметра уровня .
x2 = icdf('Poisson',p,lambda)x2 = 1×5
0 1 2 3 4
icdf значения совпадают с теми вычисленное использование объекта вероятностного распределения.
Создайте стандартный объект нормального распределения.
pd = makedist('Normal')pd =
NormalDistribution
Normal distribution
mu = 0
sigma = 1
Определите критические значения на 5%-м уровне значения для тестовой статистической величины со стандартным нормальным распределением путем вычисления верхних и более низких значений на 2,5%.
x = icdf(pd,[.025,.975])
x = 1×2
-1.9600 1.9600
Постройте cdf и заштрихуйте критические области.
p = normspec(x,0,1,'outside')
p = 0.0500
icdf родовая функция, которая принимает любого распределение его именем 'name' или объект pd вероятностного распределения. Это быстрее, чтобы использовать специфичную для распределения функцию, такой как norminv для нормального распределения и binoinv для биномиального распределения. Для списка специфичных для распределения функций смотрите Поддерживаемые Распределения.
cdf | Distribution Fitter | fitdist | makedist | mle | paretotails | pdf | random