ksdensity
В этом примере показано, как подогнать ядерные распределения к сгруппированным выборочным данным с помощью ksdensity
функция.
Загрузите выборочные данные.
load carsmall
Данные содержат мили на галлон (MPG
) измерения для различных марок и моделей автомобилей, сгруппированные по странам источника (Origin
), модельного года (Model_Year
), и другие характеристики транспортного средства.
Сгруппировать MPG
данные по происхождению (Origin
) для автомобилей, произведенных в США, Японии и Германии.
Origin = categorical(cellstr(Origin)); MPG_USA = MPG(Origin=='USA'); MPG_Japan = MPG(Origin=='Japan'); MPG_Germany = MPG(Origin=='Germany');
Вычислите и постройте график PDF для каждой группы.
[fi,xi] = ksdensity(MPG_USA); plot(xi,fi,'r-') hold on [fj,xj] = ksdensity(MPG_Japan); plot(xj,fj,'b-.') [fk,xk] = ksdensity(MPG_Germany); plot(xk,fk,'k:') legend('USA','Japan','Germany') title('MPG by Origin') xlabel('MPG') hold off
График показывает, как мили на галлон (MPG
) эффективность отличается в зависимости от страны источника (Origin
). Используя эти данные, США имеют самое широкое распределение, а его пик находится на самом низком MPG
значение трёх источников. Япония имеет самое регулярное распределение с немного более тяжелым левым хвостом, а её пик на самом высоком MPG
значение трёх источников. Пик для Германии находится между США и Японией, и второй отбойник около 44 миль на галлон предполагает, что в данных может быть несколько режимов.
fitdist
| KernelDistribution
| ksdensity