unifpdf

Непрерывная функция равномерной плотности вероятностей

Описание

пример

y = unifpdf(x) возвращает функцию плотности вероятностей (PDF) стандартного равномерного распределения, рассчитанную по значениям в x.

пример

y = unifpdf(x,a,b) возвращает PDF непрерывного равномерного распределения на интервале [a, b], оцененный по значениям в x.

Примеры

свернуть все

PDF стандартного равномерного распределения является постоянным на интервале [0,1].

Вычислите PDF 0,2, 0,4,..., 1 в стандартном равномерном распределении.

x = 0.2:0.2:1;
y = unifpdf(x)
y = 1×5

     1     1     1     1     1

Если x не находится между a и b, unifpdf возвращает 0.

Вычислите PDF 1 через 5 в непрерывном равномерном распределении по интервалу [2,4].

x2 = 1:5;
unifpdf(x2,2,4)
ans = 1×5

         0    0.5000    0.5000    0.5000         0

Если параметр a больше b, unifpdf возвращает NaN независимо от x вход.

unifpdf(5,10,1)
ans = NaN

Входные параметры

свернуть все

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

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

  • Чтобы вычислить PDFS нескольких распределений, задайте a и b использование массивов.

Если один или несколько входные параметры x, a, и b являются массивами, тогда размеры массивов должны быть одинаковыми. В этом случае, unifpdf расширяет каждый скалярный вход в постоянный массив того же размера, что входы массива. Каждый элемент в y - значение PDF распределения, заданное соответствующими элементами в a и b, рассчитывается в соответствующем элементе в x.

Пример: [3 4 7 9]

Типы данных: single | double

Нижняя конечная точка равномерного распределения, заданная как скалярное значение или массив скалярных значений.

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

  • Чтобы вычислить PDFS нескольких распределений, задайте a и b использование массивов.

Если один или несколько входные параметры x, a, и b являются массивами, тогда размеры массивов должны быть одинаковыми. В этом случае, unifpdf расширяет каждый скалярный вход в постоянный массив того же размера, что входы массива. Каждый элемент в y - значение PDF распределения, заданное соответствующими элементами в a и b, рассчитывается в соответствующем элементе в x.

Пример: [0 -1 7 9]

Типы данных: single | double

Верхняя конечная точка равномерного распределения, заданная как скалярное значение или массив скалярных значений.

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

  • Чтобы вычислить PDFS нескольких распределений, задайте a и b использование массивов.

Если один или несколько входные параметры x, a, и b являются массивами, тогда размеры массивов должны быть одинаковыми. В этом случае, unifpdf расширяет каждый скалярный вход в постоянный массив того же размера, что входы массива. Каждый элемент в y - значение PDF распределения, заданное соответствующими элементами в a и b, рассчитывается в соответствующем элементе в x.

Пример: [1 1 10 10]

Типы данных: single | double

Выходные аргументы

свернуть все

PDF, рассчитанные по значениям в x, возвращенный как скалярное значение или массив скалярных значений. y - тот же размер, что и x, a, и b после любого необходимого скалярного расширения. Каждый элемент в y - значение PDF распределения, заданное соответствующими элементами в a и b, рассчитывается в соответствующем элементе в x.

Подробнее о

свернуть все

Непрерывная унифицированная PDF

Непрерывное равномерное распределение является двухпараметрическим семейством кривых с постоянным PDF на его интервале поддержки, [a, b]. Параметры a и b являются конечными точками интервала.

Непрерывная однородная PDF

y=f(x|a,b)=1baI[a,b](x).

Стандартное равномерное распределение происходит, когда a = 0 и b = 1.

Для получения дополнительной информации смотрите Равномерное распределение (Непрерывное).

Альтернативная функциональность

  • unifpdf является функцией, характерной для непрерывного равномерного распределения. Statistics and Machine Learning Toolbox™ также предлагает общую функцию pdf, который поддерживает различные распределения вероятностей. Использовать pdf, создать UniformDistribution объект распределения вероятностей и передать объект как входной параметр или задать имя распределения вероятностей и его параметры. Обратите внимание, что специфичная для распределения функция unifpdf 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.

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