Exponenta Banner
exponenta event banner

chi2pdf

Функция плотности вероятности хи-квадрат

свернуть все на странице

Синтаксис

y = chi2pdf (x, nu)

Описание

пример

y = chi2pdf(x,nu) возвращает функцию плотности вероятности (pdf) распределения хи-квадрат с nu степени свободы, вычисляемые при значениях в x.

Примеры

свернуть все

Открыть сценарий в реальном времени

Вычислите плотность наблюдаемого значения 2 в распределении хи-квадрат с помощью 3 степени свободы.

y1 = chi2pdf(2,3)
y1 = 0.2076

Вычислить плотность наблюдаемого значения 4 в распределениях хи-квадрат со степенями свободы 1 по 6.

y2 = chi2pdf(4,1:6)
y2 = 1×6

    0.0270    0.0677    0.1080    0.1353    0.1440    0.1353

Среднее из распределения хи-квадрат равно степеням свободы. Вычислить плотность среднего для распределений хи-квадрат со степенями свободы 1 через 6.

nu = 1:6;
x = nu;
y3 = chi2pdf(x,nu)
y3 = 1×6

    0.2420    0.1839    0.1542    0.1353    0.1220    0.1120

По мере увеличения степеней свободы плотность среднего уменьшается.

Входные аргументы

свернуть все

Значения для вычисления pdf, заданные как неотрицательное скалярное значение или массив неотрицательных скалярных значений.

  • Чтобы вычислить pdf для нескольких значений, укажите x с использованием массива.

  • Чтобы вычислить pdfs нескольких распределений, укажите nu с использованием массива.

Если один или оба входных аргумента x и nu являются массивами, тогда размеры массивов должны быть одинаковыми. В этом случае chi2pdf расширяет каждый скалярный ввод в постоянный массив того же размера, что и входные данные массива. Каждый элемент в y - значение в формате pdf распределения, указанное соответствующим элементом в nu, оценивается в соответствующем элементе в x.

Пример: [3 4 7 9]

Типы данных: single | double

Степени свободы для распределения хи-квадрат, заданные как положительное скалярное значение или массив положительных скалярных значений.

  • Чтобы вычислить pdf для нескольких значений, укажите x с использованием массива.

  • Чтобы вычислить pdfs нескольких распределений, укажите nu с использованием массива.

Если один или оба входных аргумента x и nu являются массивами, тогда размеры массивов должны быть одинаковыми. В этом случае chi2pdf расширяет каждый скалярный ввод в постоянный массив того же размера, что и входные данные массива. Каждый элемент в y - значение в формате pdf распределения, указанное соответствующим элементом в nu, оценивается в соответствующем элементе в x.

Пример: [9 19 49 99]

Типы данных: single | double

Выходные аргументы

свернуть все

Значения pdf вычисляются по значениям в x, возвращается в виде скалярного значения или массива скалярных значений. p имеет тот же размер, что и x и nu после любого необходимого скалярного расширения. Каждый элемент в y - значение в формате pdf распределения, указанное соответствующим элементом в nu, оценивается в соответствующем элементе в x.

Подробнее

свернуть все

Chi-Square pdf

Распределение хи-квадрат представляет собой однопараметрическое семейство кривых. Параметр start- это степени свободы.

Pdf распределения хи-квадрат

y=f (x 'ν) =x (ν−2)/2e−x/22ν2Γ (ν/2),

где λ - степени свободы, а Γ  (·) - Гамма-функция.

Дополнительные сведения см. в разделе Распределение хи-квадрата.

Альтернативная функциональность

  • chi2pdf является функцией, специфичной для распределения хи-квадрат. Toolbox™ статистики и машинного обучения также предлагает универсальную функцию pdf, которая поддерживает различные распределения вероятностей. Использовать pdfукажите имя вероятностного распределения и его параметры. Обратите внимание, что специфичная для распределения функция chi2pdf быстрее, чем универсальная функция pdf.

  • Используйте приложение «Функция распределения вероятности» для создания интерактивного графика кумулятивной функции распределения (cdf) или функции плотности вероятности (pdf) для распределения вероятности.

Расширенные возможности

Создание кода C/C + +
Создайте код C и C++ с помощью MATLAB ® Coder™

.

См. также

| | | |

Темы

Представлен до R2006a

Документация по инструментам для статистического и машинного обучения

Поддержка