Функция обратного кумулятивного распределения
Создайте стандартный нормальный объект распределения со средним значением , равным 0, и стандартным отклонением , равным 1.
mu = 0; sigma = 1; pd = makedist('Normal','mu',mu,'sigma',sigma);
Определите входной вектор p, содержащий значения вероятности для вычисления icdf.
p = [0.1,0.25,0.5,0.75,0.9];
Вычислите значения icdf для стандартного нормального распределения при значениях в п.
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 р. Например, при значении p, равном 0,9, соответствующее значение icdf x равно 1,2816.
Кроме того, можно вычислить одни и те же значения icdf без создания объекта распределения вероятностей. Используйте icdf и задать стандартное нормальное распределение, используя одни и те же значения параметров для и .
x2 = icdf('Normal',p,mu,sigma)x2 = 1×5
-1.2816 -0.6745 0 0.6745 1.2816
Значения icdf аналогичны значениям, вычисленным с использованием объекта распределения вероятностей.
Создайте объект распределения Пуассона с параметром скорости , равным 2.
lambda = 2; pd = makedist('Poisson','lambda',lambda);
Определите входной вектор p, содержащий значения вероятности для вычисления icdf.
p = [0.1,0.25,0.5,0.75,0.9];
Вычислите значения icdf для распределения Пуассона при значениях в п.
x = icdf(pd,p)
x = 1×5
0 1 2 3 4
Каждое значение в x соответствует значению во входном векторе р. Например, при значении p, равном 0,9, соответствующее значение icdf x равно 4.
Кроме того, можно вычислить одни и те же значения icdf без создания объекта распределения вероятностей. Используйте icdf и укажите распределение Пуассона, используя то же самое значение для параметра скорости .
x2 = icdf('Poisson',p,lambda)x2 = 1×5
0 1 2 3 4
Значения icdf аналогичны значениям, вычисленным с использованием объекта распределения вероятностей.
Создайте стандартный обычный объект распределения.
pd = makedist('Normal')pd =
NormalDistribution
Normal distribution
mu = 0
sigma = 1
Определите критические значения на уровне значимости 5% для тестовой статистики со стандартным нормальным распределением путем вычисления верхнего и нижнего 2,5% значений.
x = icdf(pd,[.025,.975])
x = 1×2
-1.9600 1.9600
Постройте график cdf и затените критические области.
p = normspec(x,0,1,'outside')
p = 0.0500
icdf - универсальная функция, принимающая распределение по имени 'name' или объект распределения вероятностей pd. Более быстрое использование специфичной для распределения функции, например, norminv для нормального распределения и binoinv для биномиального распределения. Список специфичных для распределения функций см. в разделе Поддерживаемые дистрибутивы.
cdf | Слесарь-распределитель | fitdist | makedist | mle | paretotails | pdf | random