Функция биномиальной плотности вероятностей
y = binopdf(x,n,p)x использование соответствующего количества испытаний в n и вероятность успеха для каждого испытания в p.
x, n, и p могут быть векторами, матрицами или многомерными массивами того же размера. Кроме того, один или несколько аргументов могут быть скалярами. The binopdf функция расширяет скалярные входы до постоянных массивов с такими же размерностями, как и другие входы.
Вычислите и постройте график функции биномиальной плотности вероятностей для заданной области целочисленных значений, количества испытаний и вероятности успеха для каждого исследования.
За один день инспектор контроля качества тестирует 200 плат. 2% плат имеют дефекты. Вычислите вероятность того, что инспектор не найдет дефектных плат в любой конкретный день.
binopdf(0,200,0.02)
ans = 0.0176
Вычислите значения функции биномиальной плотности вероятностей при каждом значении от 0 до 200. Эти значения соответствуют вероятностям того, что инспектор найдет 0, 1, 2,..., 200 дефектных плат в любой данный день.
defects = 0:200; y = binopdf(defects,200,.02);
Постройте график получившихся биномиальных значений вероятностей.
plot(defects,y)
Вычислите наиболее вероятное количество дефектных плат, которые инспектор находит за день.
[x,i] = max(y); defects(i)
ans = 4
binopdf является функцией, специфичной для биномиального распределения. Statistics and Machine Learning Toolbox™ также предлагает общую функцию pdf, который поддерживает различные распределения вероятностей. Использовать pdf, задайте имя распределения вероятностей и его параметры. Кроме того, создайте BinomialDistribution объект распределения вероятностей и передать объект как входной параметр. Обратите внимание, что специфичная для распределения функция binopdf быстрее, чем обобщенная функция pdf.
Используйте приложение Probability Distribution Function, чтобы создать интерактивный график совокупной функции распределения (cdf) или функции плотности вероятностей (pdf) для распределения вероятностей.
