NormalDistribution

Объект нормального распределения вероятностей

расширьте все на странице

Описание

NormalDistribution объект состоит из параметров, описания модели и выборочных данных для нормального распределения вероятностей.

Нормальное распределение, иногда названное Распределением Гаусса, является семейством кривых 2D параметра. Обычным выравниванием для использования нормального распределения для моделирования является Центральная предельная теорема, которая утверждает (примерно), что сумма независимых выборок от любого распределения с конечным средним значением и отклонением сходится к нормальному распределению, когда объем выборки переходит к бесконечности.

Нормальное распределение использует следующие параметры.

ПараметрОписаниеПоддержка
mu(μ) Среднее значение−∞<μ<∞
sigma(σ) Стандартное отклонениеσ≥0

Создание

Существует несколько способов создать NormalDistribution объект вероятностного распределения.

  • Создайте распределение с заданным использованием значений параметров makedist.

  • Соответствуйте распределению к использованию данных fitdist.

  • В интерактивном режиме соответствуйте распределению к данным с помощью приложения Distribution Fitter.

Свойства

развернуть все

Параметры распределения

Среднее значение нормального распределения в виде скалярного значения.

Типы данных: single | double

Стандартное отклонение нормального распределения в виде неотрицательного скалярного значения.

Можно задать sigma быть нулем, когда вы создаете объект при помощи makedist. Некоторые объектные функции поддерживают объект pd с нулевым стандартным отклонением. Например, random(pd) всегда возвращает mu, и cdf(pd,x) возвращается или 0 или 1. Выход 0 если x меньше, чем mu, и 1 в противном случае. mean, std, и var возвратите среднее значение, стандартное отклонение и отклонение pd, соответственно.

Типы данных: single | double

Характеристики распределения

Это свойство доступно только для чтения.

Логический флаг для усеченного распределения в виде логического значения. Если IsTruncated равняется 0, распределение не является усеченным. Если IsTruncated равняется 1, распределение является усеченным.

Типы данных: логический

Это свойство доступно только для чтения.

Количество параметров для вероятностного распределения в виде положительного целочисленного значения.

Типы данных: double

Это свойство доступно только для чтения.

Ковариационная матрица параметра оценивает в виде p-by-p матрицу, где p является количеством параметров в распределении. (iJ) элементом является ковариация между оценками iпараметр th и jпараметр th. (ii) элементом является предполагаемое отклонение iпараметр th. Если параметр i фиксируется, а не оценивается путем подбора кривой распределению к данным, затем (ii) элементы ковариационной матрицы 0.

Типы данных: double

Это свойство доступно только для чтения.

Логический флаг для фиксированных параметров в виде массива логических значений. Если 0, соответствующий параметр в ParameterNames массив не фиксируется. Если 1, соответствующий параметр в ParameterNames массив фиксируется.

Типы данных: логический

Это свойство доступно только для чтения.

Значения параметра распределения в виде вектора из скалярных значений.

Типы данных: single | double

Это свойство доступно только для чтения.

Интервал усечения для вероятностного распределения в виде вектора из скалярных значений, содержащих более низкие и верхние контуры усечения.

Типы данных: single | double

Другие свойства объектов

Это свойство доступно только для чтения.

Имя вероятностного распределения в виде вектора символов.

Типы данных: char

Это свойство доступно только для чтения.

Данные, используемые для распределения, соответствующего в виде структуры, содержащей следующее:

  • data: Вектор данных используется для подбора кривой распределения.

  • cens: Цензурирование вектора, или пустой, если ни один.

  • freq: Вектор частоты, или пустой, если ни один.

Типы данных: struct

Это свойство доступно только для чтения.

Описания параметра распределения в виде массива ячеек из символьных векторов. Каждая ячейка содержит краткое описание одного параметра распределения.

Типы данных: char

Это свойство доступно только для чтения.

Параметр распределения называет в виде массива ячеек из символьных векторов.

Типы данных: char

Функции объекта

cdfКумулятивная функция распределения
gatherСоберите свойства объекта Statistics and Machine Learning Toolbox от графического процессора
icdfОбратная кумулятивная функция распределения
iqrМежквартильный размах
meanСреднее значение вероятностного распределения
medianМедиана вероятностного распределения
negloglikОтрицательная логарифмическая правдоподобность вероятностного распределения
paramciДоверительные интервалы для параметров вероятностного распределения
pdfФункция плотности вероятности
proflikПрофилируйте функцию правдоподобия для вероятностного распределения
randomСлучайные числа
stdСтандартное отклонение вероятностного распределения
truncateУсеченный объект вероятностного распределения
varОтклонение вероятностного распределения

Примеры

свернуть все

Скрипт Open Live Script

Создайте объект нормального распределения использование значений параметров по умолчанию. 

pd = makedist('Normal')
pd = 
  NormalDistribution

  Normal distribution
       mu = 0
    sigma = 1
Скрипт Open Live Script

Создайте объект нормального распределения путем определения значений параметров. 

pd = makedist('Normal','mu',75,'sigma',10)
pd = 
  NormalDistribution

  Normal distribution
       mu = 75
    sigma = 10

Вычислите межквартильный размах распределения. 

r = iqr(pd)
r = 13.4898
Скрипт Open Live Script

Загрузите выборочные данные и создайте вектор, содержащий первый столбец студенческих данных о классе экзамена. 

load examgrades
x = grades(:,1);

Создайте объект нормального распределения путем подбора кривой ему к данным. 

pd = fitdist(x,'Normal')
pd = 
  NormalDistribution

  Normal distribution
       mu = 75.0083   [73.4321, 76.5846]
    sigma =  8.7202   [7.7391, 9.98843]

Интервалы рядом с оценками параметра составляют 95% доверительных интервалов для параметров распределения.

Расширенные возможности

Смотрите также

| |

Темы

Введенный в R2013a

Документация Statistics and Machine Learning Toolbox

Поддержка

Для просмотра документации необходимо авторизоваться на сайте