chi2cdf

Совокупная функция распределения Хи-квадрат

Описание

пример

p = chi2cdf(x,nu) возвращает совокупную функцию распределения (cdf) распределения хи-квадрат со степенями свободы nu, рассчитывается по значениям в x.

пример

p = chi2cdf(x,nu,'upper') возвращает дополнение cdf, рассчитанное по значениям в x со степенями свободы nu, используя алгоритм, который более точно вычисляет крайние верхние вероятности, чем вычитание нижнего значения хвоста из 1.

Примеры

свернуть все

Вычислите вероятность того, что наблюдение из распределения хи-квадрат с 5 степени свободы находятся в интервале [0 3].

p1 = chi2cdf(3,5)
p1 = 0.3000

Вычислите вероятность того, что наблюдение из распределения хи-квадрат со степенями свободы 1 через 5 находится в интервале [0 3].

p2 = chi2cdf(3,1:5)
p2 = 1×5

    0.9167    0.7769    0.6084    0.4422    0.3000

Среднее значение распределения хи-квадрат равно степеням свободы. Вычислите вероятность того, что наблюдение находится в интервале [0 nu] для степеней свободы 1 через 6.

nu = 1:6;
x = nu;
p3 = chi2cdf(x,nu)
p3 = 1×6

    0.6827    0.6321    0.6084    0.5940    0.5841    0.5768

Когда степени свободы увеличиваются, вероятность того, что наблюдение из хи-квадратного распределения со степенями свободы nu меньше, чем приближается среднее значение 0.5.

Определите вероятность того, что наблюдение из распределения хи-квадрат с 3 степени свободы указаны на интервале [100 Inf].

p1 = 1 - chi2cdf(100,3)
p1 = 0

chi2cdf(100,3) почти 1, так p1 становится 0. Задайте 'upper' так что chi2cdf вычисляет крайние вероятности верхнего хвоста более точно.

p2 = chi2cdf(100,3,'upper')
p2 = 1.5542e-21

Входные параметры

свернуть все

Значения, при которых можно вычислить cdf, заданные как неотрицательное скалярное значение или массив неотрицательных скалярных значений.

  • Чтобы вычислить cdf при нескольких значениях, задайте x использование массива.

  • Чтобы вычислить cdfs нескольких распределений, задайте nu использование массива.

Если один или оба входных параметров x и nu являются массивами, тогда размеры массивов должны быть одинаковыми. В этом случае, chi2cdf расширяет каждый скалярный вход в постоянный массив того же размера, что входы массива. Каждый элемент в p - значение cdf распределения, заданное соответствующим элементом в nu, рассчитывается в соответствующем элементе в x.

Пример: [3 4 7 9]

Типы данных: single | double

Степени свободы для распределения хи-квадрат, заданные как положительная скалярная величина значение или массив положительной скалярной величины значений.

  • Чтобы вычислить cdf при нескольких значениях, задайте x использование массива.

  • Чтобы вычислить cdfs нескольких распределений, задайте nu использование массива.

Если один или оба входных параметров x и nu являются массивами, тогда размеры массивов должны быть одинаковыми. В этом случае, chi2cdf расширяет каждый скалярный вход в постоянный массив того же размера, что входы массива. Каждый элемент в p - значение cdf распределения, заданное соответствующим элементом в nu, рассчитывается в соответствующем элементе в x.

Пример: [9 19 49 99]

Типы данных: single | double

Выходные аргументы

свернуть все

значения cdf, рассчитанные по значениям в x, возвращенный как скалярное значение или массив скалярных значений. p - тот же размер, что и x и nu после любого необходимого скалярного расширения. Каждый элемент в p - значение cdf распределения, заданное соответствующим элементом в nu, рассчитывается в соответствующем элементе в x.

Подробнее о

свернуть все

Хи-квадрат cdf

Распределение хи-квадрат является однопараметрическим семейством кривых. Параметром ν являются степени свободы.

cdf распределения хи-квадрат является

p=F(x|ν)=0xt(ν2)/2et/22ν/2Γ(ν/2)dt,

где ν - степени свободы, а Β  (·) - Гамма-функция. Результатом p является вероятность того, что одно наблюдение из распределения хи-квадрат с ν степенями свободы падает в интервале [0, x].

Для получения дополнительной информации смотрите Распределение Хи-квадрат.

Альтернативная функциональность

  • chi2cdf является функцией, специфичной для распределения хи-квадрат. Statistics and Machine Learning Toolbox™ также предлагает общую функцию cdf, который поддерживает различные распределения вероятностей. Использовать cdf, задайте имя распределения вероятностей и его параметры. Обратите внимание, что специфичная для распределения функция chi2cdf быстрее, чем обобщенная функция cdf.

  • Используйте приложение Probability Distribution Function, чтобы создать интерактивный график совокупной функции распределения (cdf) или функции плотности вероятностей (pdf) для распределения вероятностей.

Расширенные возможности

Генерация кода C/C + +
Сгенерируйте код C и C++ с помощью Coder™ MATLAB ®

.
Представлено до R2006a
Для просмотра документации необходимо авторизоваться на сайте