Объект вероятностного распределения ядра
KernelDistribution объект состоит из параметров, описания модели и выборочных данных для непараметрического сглаживающего ядро распределения.
Ядерное распределение является непараметрической оценкой функции плотности вероятности (PDF) случайной переменной.
Ядерное распределение использует следующие опции.
| Опция | Описание | Возможные значения |
|---|---|---|
Kernel | Тип функции ядра | normalполе, triangle, epanechnikov |
Bandwidth | Параметр сглаживания ядра | Bandwidth > 0 |
Существует несколько способов создать KernelDistribution объект вероятностного распределения.
Соответствуйте распределению к использованию данных fitdist.
В интерактивном режиме соответствуйте распределению к данным с помощью приложения Distribution Fitter.
cdf | Кумулятивная функция распределения |
gather | Соберите свойства объекта Statistics and Machine Learning Toolbox от графического процессора |
icdf | Обратная кумулятивная функция распределения |
iqr | Межквартильный размах |
mean | Среднее значение вероятностного распределения |
median | Медиана вероятностного распределения |
negloglik | Отрицательная логарифмическая правдоподобность вероятностного распределения |
pdf | Функция плотности вероятности |
random | Случайные числа |
std | Стандартное отклонение вероятностного распределения |
truncate | Усеченный объект вероятностного распределения |
var | Отклонение вероятностного распределения |
Загрузите выборочные данные. Визуализируйте терпеливые данные о весе с помощью гистограммы.
load hospital
histogram(hospital.Weight)
Гистограмма показывает, что данные имеют два режима, один для пациенток и один для штекерных пациентов.
Создайте объект вероятностного распределения путем подбора кривой ядерному распределению к терпеливым данным о весе.
pd_kernel = fitdist(hospital.Weight,'Kernel')pd_kernel =
KernelDistribution
Kernel = normal
Bandwidth = 14.3792
Support = unbounded
Для сравнения создайте другой объект вероятностного распределения путем подбора кривой нормальному распределению к терпеливым данным о весе.
pd_normal = fitdist(hospital.Weight,'Normal')pd_normal =
NormalDistribution
Normal distribution
mu = 154 [148.728, 159.272]
sigma = 26.5714 [23.3299, 30.8674]
Задайте x значения и вычислите PDF каждого распределения.
x = 50:1:250; pdf_kernel = pdf(pd_kernel,x); pdf_normal = pdf(pd_normal,x);
Постройте PDF каждого распределения.
plot(x,pdf_kernel,'Color','b','LineWidth',2); hold on; plot(x,pdf_normal,'Color','r','LineStyle',':','LineWidth',2); legend('Kernel Distribution','Normal Distribution','Location','SouthEast'); hold off;
При подборе кривой ядерному распределению вместо одномодового распределения такой, когда нормальное показывает отдельные режимы для розеточных и штекерных пациентов.