Обратная кумулятивная функция распределения
Вычислите icdf значения для нормального распределения путем указывания, что распределение называет 'Normal' и параметры распределения.
Задайте входной вектор p, чтобы содержать значения вероятности, в которых можно вычислить icdf.
p = [0.1,0.25,0.5,0.75,0.9];
Вычислите icdf значения для нормального распределения со средним значением равняйтесь 1 и стандартное отклонение равняйтесь 5.
mu = 1;
sigma = 5;
y = icdf('Normal',p,mu,sigma)y = 1×5
-5.4078 -2.3724 1.0000 4.3724 7.4078
Каждое значение в y соответствует значению во входном векторе x. Например, в значении x равный 1, соответствующее icdf значение y равно 7,4078.
Создайте нормальное распределение, возражают и вычисляют icdf значения нормального распределения с помощью объекта.
Создайте объект нормального распределения со средним значением равняйтесь 1 и стандартное отклонение равняйтесь 5.
mu = 1; sigma = 5; pd = makedist('Normal','mu',mu,'sigma',sigma);
Задайте входной вектор p, чтобы содержать значения вероятности, в которых можно вычислить icdf.
p = [0.1,0.25,0.5,0.75,0.9];
Вычислите icdf значения для нормального распределения в значениях в p.
x = icdf(pd,p)
x = 1×5
-5.4078 -2.3724 1.0000 4.3724 7.4078
Каждое значение в x соответствует значению во входном векторе p. Например, в значении p равный 0,9, соответствующее icdf значение x равно 7,4078.
Создайте объект распределения Пуассона параметром уровня, , равняйтесь 2.
lambda = 2; pd = makedist('Poisson','lambda',lambda);
Задайте входной вектор p, чтобы содержать значения вероятности, в которых можно вычислить icdf.
p = [0.1,0.25,0.5,0.75,0.9];
Вычислите icdf значения для распределения Пуассона в значениях в p.
x = icdf(pd,p)
x = 1×5
0 1 2 3 4
Каждое значение в x соответствует значению во входном векторе p. Например, в значении p равный 0,9, соответствующее icdf значение x равно 4.
В качестве альтернативы можно вычислить те же icdf значения, не создавая объект вероятностного распределения. Используйте icdf функционируйте и задайте распределение Пуассона с помощью того же значения для параметра уровня .
x2 = icdf('Poisson',p,lambda)x2 = 1×5
0 1 2 3 4
icdf значения совпадают с теми вычисленное использование объекта вероятностного распределения.
Создайте стандартный объект нормального распределения.
pd = makedist('Normal')pd =
NormalDistribution
Normal distribution
mu = 0
sigma = 1
Определите критические значения на 5%-м уровне значения для тестовой статистической величины со стандартным нормальным распределением путем вычисления верхних и более низких значений на 2,5%.
x = icdf(pd,[.025,.975])
x = 1×2
-1.9600 1.9600
Постройте cdf и заштрихуйте критические области.
p = normspec(x,0,1,'outside')
p = 0.0500
icdf родовая функция, которая принимает любого распределение его именем name или объект pd вероятностного распределения. Это быстрее, чтобы использовать специфичную для распределения функцию, такой как norminv для нормального распределения и binoinv для биномиального распределения. Для списка специфичных для распределения функций смотрите Поддерживаемые Распределения.
cdf | mle | pdf | random | makedist | fitdist | Distribution Fitter | paretotails