PiecewiseLinearDistribution
Кусочный линейный объект вероятностного распределения
Описание
PiecewiseLinearDistribution объект состоит из описания модели для кусочного линейного вероятностного распределения.
Кусочное линейное распределение является созданным использованием непараметрического вероятностного распределения кусочного линейного представления кумулятивной функции распределения (cdf). Опции, заданные для кусочного линейного распределения, задают форму cdf. Функция плотности вероятности (PDF) является ступенчатой функцией.
Кусочное линейное распределение использует следующие параметры.
| Параметр | Описание |
|---|---|
x | Вектор из значений x, в которых cdf изменяет наклон |
Fx | Вектор из cdf значений, которые соответствуют каждому значению в x |
Создание
Создайте PiecewiseLinearDistribution вероятностное распределение с заданным использованием объекта значений параметров makedist.
Свойства
Функции объекта
cdf | Кумулятивная функция распределения |
icdf | Обратная кумулятивная функция распределения |
iqr | Межквартильный размах |
mean | Среднее значение вероятностного распределения |
median | Медиана вероятностного распределения |
pdf | Функция плотности вероятности |
random | Случайные числа |
std | Стандартное отклонение вероятностного распределения |
truncate | Усеченный объект вероятностного распределения |
var | Отклонение вероятностного распределения |
Примеры
Создайте кусочный линейный объект распределения Используя параметры по умолчанию
Создайте кусочный линейный объект распределения с помощью значений параметров по умолчанию.
pd = makedist('PiecewiseLinear')pd = PiecewiseLinearDistribution F(0) = 0 F(1) = 1
Создайте Кусочный Линейный Объект распределения из Эмпирического cdf
Вычислите эмпирическую кумулятивную функцию распределения (cdf) для данных и создайте кусочный линейный объект распределения с помощью приближения для эмпирического cdf.
Загрузите выборочные данные. Визуализируйте терпеливые данные о весе с помощью гистограммы.
load patients histogram(Weight(strcmp(Gender,'Female'))) hold on histogram(Weight(strcmp(Gender,'Male'))) legend('Female','Male')
Гистограмма показывает, что данные имеют два режима, один для пациенток и один для штекерных пациентов.
Вычислите эмпирический cdf для данных.
[f,x] = ecdf(Weight);
Создайте кусочную линейную аппроксимацию к эмпирическому cdf путем принятия значение каждые пять точек.
f = f(1:5:end); x = x(1:5:end);
Постройте эмпирический cdf и приближение.
figure ecdf(Weight) hold on plot(x,f,'ko-','MarkerFace','r') legend('Empirical cdf','Piecewise linear approximation', ... 'Location','best')
Создайте кусочный линейный объект вероятностного распределения использование кусочного приближения эмпирического cdf.
pd = makedist('PiecewiseLinear','x',x,'Fx',f)
pd = PiecewiseLinearDistribution F(111) = 0 F(118) = 0.05 F(124) = 0.13 F(130) = 0.25 F(135) = 0.37 F(142) = 0.5 F(163) = 0.55 F(171) = 0.61 F(178) = 0.7 F(183) = 0.82 F(189) = 0.94 F(202) = 1
Сгенерируйте 100 случайных чисел от распределения.
rng('default') % For reproducibility rw = random(pd,[100,1]);
Постройте случайные числа, чтобы визуально сравнить их распределение с исходными данными.
figure histogram(Weight) hold on histogram(rw) legend('Original data','Generated data')
Случайные числа, сгенерированные от кусочного линейного распределения, имеют то же бимодальное распределение как исходные данные.