Биномиальная функция плотности вероятности
y = binopdf(x,n,p)x использование соответствующего количества испытаний в n и вероятность успеха для каждого испытания в p.
xN, и p могут быть векторы, матрицы или многомерные массивы, одного размера. В качестве альтернативы один или несколько аргументов могут быть скалярами. binopdf функция расширяет скалярные входные параметры до постоянных массивов с теми же размерностями как другие входные параметры.
Вычислите и постройте биномиальную функцию плотности вероятности для заданной области целочисленных значений, количества испытаний и вероятности успеха для каждого испытания.
За один день инспектор гарантии качества тестирует 200 печатных плат. 2% плат имеют дефекты. Вычислите вероятность, что инспектор не найдет неисправных плат ни в какой данный день.
binopdf(0,200,0.02)
ans = 0.0176
Вычислите биномиальные значения функции плотности вероятности в каждом значении от 0 до 200. Эти значения соответствуют вероятностям, что инспектор найдет 0, 1, 2..., 200 неисправных плат в любой данный день.
defects = 0:200; y = binopdf(defects,200,.02);
Постройте получившиеся биномиальные значения вероятности.
plot(defects,y)
Вычислите наиболее вероятное количество неисправных плат, которые инспектор находит за день.
[x,i] = max(y); defects(i)
ans = 4
binopdf функционально-специализированное к биномиальному распределению. Statistics and Machine Learning Toolbox™ также предлагает родовую функцию pdf, который поддерживает различные вероятностные распределения. Использовать pdf, задайте имя вероятностного распределения и его параметры. В качестве альтернативы создайте BinomialDistribution объект вероятностного распределения и передача объект как входной параметр. Обратите внимание на то, что специфичная для распределения функция binopdf быстрее, чем родовая функция pdf.
Используйте приложение Probability Distribution Function, чтобы создать интерактивный график кумулятивной функции распределения (cdf) или функции плотности вероятности (PDF) для вероятностного распределения.
