makedist

Создайте объект распределения вероятностей

Описание

пример

pd = makedist(distname) создает объект распределения вероятностей для distname распределения, с использованием значений параметров по умолчанию.

Использовать makedist для задания равномерных, нормальных, полиномиальных, кусочно-линейных или треугольных объектов распределения. Если у вас есть программное обеспечение Statistics and Machine Learning Toolbox™, вы можете использовать makedist чтобы создать объекты для других распределений, таких как распределения Гаммы или Вейбула. Для получения дополнительной информации см. makedist (Statistics and Machine Learning Toolbox).

Чтобы обрезать распределение вероятностей до заданного интервала, используйте truncate (Statistics and Machine Learning Toolbox).

пример

pd = makedist(distname,Name,Value) создает объект распределения вероятностей с одним или несколькими значениями параметров распределения, заданными аргументами пары "имя-значение".

list = makedist возвращает массив ячеек list содержащий список распределений вероятностей, которые makedist может создать.

Примеры

свернуть все

Создайте нормальный объект распределения с использованием значений параметров по умолчанию.

pd = makedist('Normal')
pd = 
  NormalDistribution

  Normal distribution
       mu = 0
    sigma = 1

Создайте нормальный объект распределения со средним значением mu = 75и стандартное отклонение sigma = 10.

pd = makedist('Normal','mu',75,'sigma',10);

Создайте кусочно-линейный объект распределения для распределения со значениями от 6 до 10, где значения от 6 до 8 в четыре раза чаще, чем значения от 8 до 10.

pd = makedist('PieceWiselinear','x',[6 8 10],'Fx',[0 0.8 1]);

Вы задаете совокупную функцию распределения Fx как [0 0,8 1], потому что различие между 0,8 и 0 в четыре раза превышает различие между 1 и 0,8. В результате сгенерированное распределение имеет в четыре раза больше значений от 6 до 8, чем от 8 до 10.

На график показаны заданная кумулятивная функция распределения (CDF) и соответствующая функция распределения вероятностей (PDF).

Кусочно-линейный CDF соответствует кусочно-постоянному PDF.

Входные параметры

свернуть все

Имя распределения, заданное как одно из следующих значений:

Имя распределенияОписание
'Uniform'Равномерное распределение - Вы задаете нижнюю и верхнюю границы распределения.
'Normal'Нормальное распределение - Вы задаете среднее и стандартное отклонение распределения.
'Multinomial'Полиномиальное распределение - В полиномиальном распределении результат является одним из 1, 2..., k. Вы задаете вероятность каждого результата, [p1, p2,..., pk]. Вероятности должны суммироваться с 1.
'PiecewiseLinear'

Кусочное линейное распределение - используйте это распределение для создания пользовательского распределения путем определения кусочно-линейной кумулятивной функции распределения (CDF). Вы задаете вектор значений, x, при котором CDF изменяет наклон и соответствующий вектор значений CDF, Fx. The Fx значение в любом x - вероятность получить значение, меньше чем или равное x. Кусочно-линейный CDF создается путем линейного соединения известных значений CDF, Fx. Этот кусочно-линейный CDF соответствует кусочно-постоянной функции распределения вероятностей.

Для получения примера смотрите «Задание кусочно-линейного Распределения объекта».

'Triangular'Треугольное распределение - Вы задаете нижний предел, пиковое местоположение и верхний предел распределения.

Для получения информации об этих распределениях смотрите категорию «Распределения вероятностей» (Statistics and Machine Learning Toolbox).

Примечание

Если у вас есть программное обеспечение Statistics and Machine Learning Toolbox, вы можете использовать makedist чтобы создать объекты для других распределений, таких как распределения Гаммы или Вейбула. Для получения дополнительной информации см. makedist (Statistics and Machine Learning Toolbox).

Аргументы в виде пар имя-значение

Задайте необязательные разделенные разделенными запятой парами Name,Value аргументы. Name - имя аргумента и Value - соответствующее значение. Name должны находиться внутри кавычек. Можно задать несколько аргументов в виде пар имен и значений в любом порядке Name1,Value1,...,NameN,ValueN.

Пример: makedist('Normal','mu',10) задает нормальное распределение с параметром mu равным 10 и параметрическим sigma равным значению по умолчанию 1.
Полиномиальное Распределение

свернуть все

Вероятности результата, заданные как вектор скалярных значений в области значений [0,1]. Сумма вероятностей равна 1 и соответствует результатам [1, 2,..., k], где k - количество элементов в векторе вероятностей.

Пример: 'probabilities',[0.1 0.2 0.5 0.2] приводит вероятности, что результат равен 1, 2, 3 или 4, соответственно.

Типы данных: single | double

Нормальное Распределение

свернуть все

Пример: 'mu',2

Типы данных: single | double

Пример: 'sigma',2

Типы данных: single | double

Кусочно-линейное распределение

свернуть все

Пример: 'x',[1 2 3]

Типы данных: single | double

Пример: 'Fx',[0.2 0.5 1]

Типы данных: single | double

Треугольное Распределение

свернуть все

Пример: 'a',-2

Типы данных: single | double

Пример: 'b',1

Типы данных: single | double

Пример: 'c',5

Типы данных: single | double

Равномерное Распределение

свернуть все

Пример: 'lower',-4

Типы данных: single | double

Пример: 'upper',2

Типы данных: single | double

Выходные аргументы

свернуть все

Распределение вероятностей, возвращаемое как объект распределения вероятностей типа, заданного distname.

Список распределений вероятностей, которые makedist может создать, возвращенный как массив ячеек из векторов символов.

См. также

| (Statistics and Machine Learning Toolbox)

Введенный в R2014a
Для просмотра документации необходимо авторизоваться на сайте