Создайте объект распределения вероятностей
pd = makedist(distname,Name,Value)
list = makedistlist содержащий список распределений вероятностей, которые makedist может создать.
makedist -reset сбрасывает список распределений путем поиска файлов, содержащихся в пакете с именем prob и реализация классов, полученных из ProbabilityDistribution. Используйте этот синтаксис после определения пользовательской функции распределения. Для получения дополнительной информации смотрите Задать Пользовательские распределения Используя Приложение Distribution Fitter.
Создайте нормальный объект распределения с помощью значений параметров по умолчанию.
pd = makedist('Normal')pd =
NormalDistribution
Normal distribution
mu = 0
sigma = 1
Вычислите межквартильную область значений распределения.
r = iqr(pd)
r = 1.3490
Создайте объект гамма- распределения с помощью значений параметров по умолчанию.
pd = makedist('Gamma')pd =
GammaDistribution
Gamma distribution
a = 1
b = 1
Вычислите среднее значение гамма- распределения.
mean = mean(pd)
mean = 1
Создайте нормальный объект распределения со значениями параметров mu = 75 и sigma = 10.
pd = makedist('Normal','mu',75,'sigma',10)
pd =
NormalDistribution
Normal distribution
mu = 75
sigma = 10
Создайте объект гамма- распределения с значением параметров a = 3 и значение по умолчанию b = 1.
pd = makedist('Gamma','a',3)
pd =
GammaDistribution
Gamma distribution
a = 3
b = 1
distname - имя распределенияИмя распределения, заданное как один из следующих векторов символов или строковых скаляров. Распределение, заданное как distname определяет тип возвращаемого объекта распределения вероятностей.
| Имя распределения | Описание | Объект распределения |
|---|---|---|
'Beta' | Бета- распределение | BetaDistribution |
'Binomial' | Биномиальное распределение | BinomialDistribution |
'BirnbaumSaunders' | Распределение Бирнбаум-Сондерс | BirnbaumSaundersDistribution |
'Burr' | Распределение заусенцев | BurrDistribution |
'Exponential' | Экспоненциальное распределение | ExponentialDistribution |
'ExtremeValue' | Распределение экстремальных значений | ExtremeValueDistribution |
'Gamma' | Гамма- распределение | GammaDistribution |
'GeneralizedExtremeValue' | Обобщенное распределение экстремальных значений | GeneralizedExtremeValueDistribution |
'GeneralizedPareto' | Обобщенное распределение Парето | GeneralizedParetoDistribution |
'HalfNormal' | Полунормальное распределение | HalfNormalDistribution |
'InverseGaussian' | Обратное Гауссово распределение | InverseGaussianDistribution |
'Logistic' | Логистическое распределение | LogisticDistribution |
'Loglogistic' | Логистическое распределение | LoglogisticDistribution |
'Lognormal' | Логнормальное распределение | LognormalDistribution |
'Multinomial' | Полиномиальное распределение | MultinomialDistribution |
'Nakagami' | Распределение Накагами | NakagamiDistribution |
'NegativeBinomial' | Отрицательное биномиальное распределение | NegativeBinomialDistribution |
'Normal' | Нормальное распределение | NormalDistribution |
'PiecewiseLinear' | Кусочно-линейное распределение | PiecewiseLinearDistribution |
'Poisson' | Распределение Пуассона | PoissonDistribution |
'Rayleigh' | Распределение Релея | RayleighDistribution |
'Rician' | Распределение Райса | RicianDistribution |
'Stable' | Стабильное распределение | StableDistribution |
'tLocationScale' | t распределения шкалы местоположения | tLocationScaleDistribution |
'Triangular' | Треугольное распределение | TriangularDistribution |
'Uniform' | Равномерное распределение | UniformDistribution |
'Weibull' | Распределение Вейбула | WeibullDistribution |
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.
makedist('Normal','mu',10) задает нормальное распределение с параметром mu равным 10 и параметрическим sigma равным значению по умолчанию 1.'a' - Первый параметр формы1 (по умолчанию) | положительное скалярное значениеПример: 'a',3
Типы данных: single | double
'b' - Второй параметр формы1 (по умолчанию) | положительное скалярное значениеПример: 'b',5
Типы данных: single | double
'N' - Количество судебных разбирательств1 (по умолчанию) | положительное целое значениеПример: 'N',25
Типы данных: single | double
'p' - Вероятность успеха0.5 (по умолчанию) | скалярное значение в области значений [0,1]Пример: 'p',0.25
Типы данных: single | double
'beta' - Масштабный параметр1 (по умолчанию) | положительное скалярное значениеПример: 'beta',2
Типы данных: single | double
'gamma' - Параметр формы1 (по умолчанию) | неотрицательное скалярное значениеПример: 'gamma',0
Типы данных: single | double
'alpha' - Масштабный параметр1 (по умолчанию) | положительное скалярное значениеПример: 'alpha',2
Типы данных: single | double
'c' - Первый параметр формы1 (по умолчанию) | положительное скалярное значениеПример: 'c',2
Типы данных: single | double
'k' - Второй параметр формы1 (по умолчанию) | положительное скалярное значениеПример: 'k',5
Типы данных: single | double
'mu' - Средний параметр1 (по умолчанию) | положительное скалярное значениеПример: 'mu',5
Типы данных: single | double
'mu' - Параметр местоположения0 (по умолчанию) | скалярное значениеПример: 'mu',-2
Типы данных: single | double
'sigma' - Масштабный параметр1 (по умолчанию) | неотрицательное скалярное значениеПример: 'sigma',2
Типы данных: single | double
'a' - Параметр формы1 (по умолчанию) | положительное скалярное значениеПример: 'a',2
Типы данных: single | double
'b' - Масштабный параметр1 (по умолчанию) | неотрицательное скалярное значениеПример: 'b',0
Типы данных: single | double
'k' - Параметр формы0 (по умолчанию) | скалярное значениеПример: 'k',0
Типы данных: single | double
'sigma' - Масштабный параметр1 (по умолчанию) | неотрицательное скалярное значениеПример: 'sigma',2
Типы данных: single | double
'mu' - Параметр местоположения0 (по умолчанию) | скалярное значениеПример: 'mu',1
Типы данных: single | double
'k' - Параметр формы1 (по умолчанию) | скалярное значениеПример: 'k',0
Типы данных: single | double
'sigma' - Масштабный параметр1 (по умолчанию) | неотрицательное скалярное значениеПример: 'sigma',2
Типы данных: single | double
'theta' - Параметр местоположения1 (по умолчанию) | скалярное значениеПример: 'theta',2
Типы данных: single | double
'mu' - Параметр местоположения0 (по умолчанию) | скалярное значениеПример: 'mu',1
Типы данных: single | double
'sigma' - Параметр формы1 (по умолчанию) | неотрицательное скалярное значениеПример: 'sigma',2
Типы данных: single | double
'mu' - Масштабный параметр1 (по умолчанию) | положительное скалярное значениеПример: 'mu',2
Типы данных: single | double
'lambda' - Параметр формы1 (по умолчанию) | положительное скалярное значениеПример: 'lambda',4
Типы данных: single | double
'mu' - Среднее0 (по умолчанию) | скалярное значениеПример: 'mu',2
Типы данных: single | double
'sigma' - Масштабный параметр1 (по умолчанию) | неотрицательное скалярное значениеПример: 'sigma',4
Типы данных: single | double
'mu' - Среднее значение логарифмических значений0 (по умолчанию) | скалярное значениеПример: 'mu',2
Типы данных: single | double
'sigma' - Масштабный параметр логарифмических значений1 (по умолчанию) | неотрицательное скалярное значениеПример: 'sigma',4
Типы данных: single | double
'mu' - Среднее значение логарифмических значений0 (по умолчанию) | скалярное значениеПример: 'mu',2
Типы данных: single | double
'sigma' - Стандартное отклонение логарифмических значений1 (по умолчанию) | неотрицательное скалярное значениеПример: 'sigma',2
Типы данных: single | double
'probabilities' - Вероятности результата[0.500 0.500] (по умолчанию) | вектор скалярных значений в области значений [0,1]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
'mu' - Параметр формы1 (по умолчанию) | положительное скалярное значениеПример: 'mu',5
Типы данных: single | double
'omega' - Масштабный параметр1 (по умолчанию) | положительное скалярное значениеПример: 'omega',5
Типы данных: single | double
'R' - Число успехов1 (по умолчанию) | положительное скалярное значениеПример: 'R',5
Типы данных: single | double
'p' - Вероятность успеха0.5 (по умолчанию) | скалярное значение в области значений (0,1]Пример: 'p',0.1
Типы данных: single | double
'mu' - Среднее0 (по умолчанию) | скалярное значениеПример: 'mu',2
Типы данных: single | double
'sigma' - Стандартное отклонение1 (по умолчанию) | неотрицательное скалярное значениеПример: 'sigma',2
Типы данных: single | double
'x' - Значения данных1 (по умолчанию) | монотонно увеличивающийся вектор скалярных значенийПример: 'x',[1 2 3]
Типы данных: single | double
'Fx' - значения cdf1 (по умолчанию) | монотонно увеличивающийся вектор скалярных значений, которые начинаются с 0 и заканчиваются с 1Пример: 'Fx',[0.2 0.5 1]
Типы данных: single | double
'lambda' - Среднее1 (по умолчанию) | неотрицательное скалярное значениеПример: 'lambda',5
Типы данных: single | double
'b' - Определение параметра1 (по умолчанию) | положительное скалярное значениеПример: 'b',3
Типы данных: single | double
's' - Параметр нецентральности1 (по умолчанию) | неотрицательное скалярное значениеПример: 's',0
Типы данных: single | double
'sigma' - Масштабный параметр1 (по умолчанию) | положительное скалярное значениеПример: 'sigma',2
Типы данных: single | double
'alpha' - Первый параметр формы2 (по умолчанию) | скалярное значение в области значений (0,2]Пример: 'alpha',1
Типы данных: single | double
'beta' - Второй параметр формы0 (по умолчанию) | скалярное значение в области значений [-1,1]Пример: 'beta',0.5
Типы данных: single | double
'gam' - Масштабный параметр1 (по умолчанию) | скалярное значение в области значений (0,∞)Пример: 'gam',2
Типы данных: single | double
'delta' - Параметр местоположенияПример: 'delta',5
Типы данных: single | double
'mu' - Параметр местоположения0 (по умолчанию) | скалярное значениеПример: 'mu',-2
Типы данных: single | double
'sigma' - Масштабный параметр1 (по умолчанию) | положительное скалярное значениеПример: 'sigma',2
Типы данных: single | double
'nu' - Степени свободы5 (по умолчанию) | положительное скалярное значениеПример: 'nu',20
Типы данных: single | double
'a' - Нижний предел0 (по умолчанию) | скалярное значениеПример: 'a',-2
Типы данных: single | double
'b' - Пиковое расположение0.5 (по умолчанию) | скалярное значение, больше или равное aПример: 'b',1
Типы данных: single | double
'c' - Верхний предел1 (по умолчанию) | скалярное значение, больше или равное bПример: 'c',5
Типы данных: single | double
'lower' - Нижний параметр0 (по умолчанию) | скалярное значениеПример: 'lower',-4
Типы данных: single | double
'upper' - Верхний параметр1 (по умолчанию) | скалярное значение, больше lowerПример: 'upper',2
Типы данных: single | double
'a' - Масштабный параметр1 (по умолчанию) | положительное скалярное значениеПример: 'a',2
Типы данных: single | double
'b' - Параметр формы1 (по умолчанию) | положительное скалярное значениеПример: 'b',5
Типы данных: single | double
pd - Распределение вероятностейРаспределение вероятностей, возвращаемое как объект распределения вероятностей типа, заданного distname.
list - Список вероятностных распределенийСписок распределений вероятностей, которые makedist может создать, возвращенный как массив ячеек из векторов символов.
Приложение Distribution Fitter открывает для вас графический пользовательский интерфейс, чтобы импортировать данные из рабочей области и интерактивно подгонять распределение вероятностей к этим данным. Затем можно сохранить распределение в рабочей области как объект распределения вероятностей. Откройте приложение Distribution Fitter используя distributionFitterили нажмите Distribution Fitter на вкладке Apps.
У вас есть измененная версия этого примера. Вы хотите открыть этот пример с вашими правками?
1. Если смысл перевода понятен, то лучше оставьте как есть и не придирайтесь к словам, синонимам и тому подобному. О вкусах не спорим.
2. Не дополняйте перевод комментариями “от себя”. В исправлении не должно появляться дополнительных смыслов и комментариев, отсутствующих в оригинале. Такие правки не получится интегрировать в алгоритме автоматического перевода.
3. Сохраняйте структуру оригинального текста - например, не разбивайте одно предложение на два.
4. Не имеет смысла однотипное исправление перевода какого-то термина во всех предложениях. Исправляйте только в одном месте. Когда Вашу правку одобрят, это исправление будет алгоритмически распространено и на другие части документации.
5. По иным вопросам, например если надо исправить заблокированное для перевода слово, обратитесь к редакторам через форму технической поддержки.