pdf

Функция плотности вероятности

свернуть все на странице

Синтаксис

y = pdf(name,x,A)
y = pdf(name,x,A,B)
y = pdf(name,x,A,B,C)
y = pdf(name,x,A,B,C,D)
y = pdf(pd,x)

Описание

y = pdf(name,x,A) возвращает функцию плотности вероятности (PDF) для семейства распределений с одним параметром, заданного name и параметр распределения A, оцененный в значениях в x.

пример

y = pdf(name,x,A,B) возвращает PDF для семейства распределений 2D параметра, заданного name и параметры распределения A и B, оцененный в значениях в x.

y = pdf(name,x,A,B,C) возвращает PDF для семейства распределений с тремя параметрами, заданного name и параметры распределения AB, и C, оцененный в значениях в x.

y = pdf(name,x,A,B,C,D) возвращает PDF для семейства распределений с четырьмя параметрами, заданного name и параметры распределения ABC, и D, оцененный в значениях в x.

пример

y = pdf(pd,x) возвращает PDF объекта pd вероятностного распределения, оцененный в значениях в x.

Примеры

свернуть все

Скрипт Open Live Script

Вычислите значения PDF для нормального распределения путем указывания, что распределение называет 'Normal' и параметры распределения.

Задайте входной вектор x содержать значения, в которых можно вычислить PDF.

x = [-2 -1 0 1 2];

Вычислите значения PDF для нормального распределения со средним значением μ равняйтесь 1 и стандартное отклонение σ равняйтесь 5.

mu = 1;
sigma = 5;
y = pdf('Normal',x,mu,sigma)
y = 1×5

    0.0666    0.0737    0.0782    0.0798    0.0782

Каждое значение в y соответствует значению во входном векторе x. Например, в значении x равняйтесь 1, соответствующее значение PDF y равно 0,0798.

Скрипт Open Live Script

Создайте нормальное распределение, возражают и вычисляют значения PDF нормального распределения с помощью объекта.

Создайте объект нормального распределения со средним значением μ равняйтесь 1 и стандартное отклонение σ равняйтесь 5.

mu = 1;
sigma = 5;
pd = makedist('Normal','mu',mu,'sigma',sigma);

Задайте входной вектор x содержать значения, в которых можно вычислить PDF.

x = [-2 -1 0 1 2];

Вычислите значения PDF для нормального распределения в значениях в x.

y = pdf(pd,x)
y = 1×5

    0.0666    0.0737    0.0782    0.0798    0.0782

Каждое значение в y соответствует значению во входном векторе x. Например, в значении x равняйтесь 1, соответствующее значение PDF y равно 0,0798.

Скрипт Open Live Script

Создайте объект распределения Пуассона параметром уровня, λ, равняйтесь 2.

lambda = 2;
pd = makedist('Poisson','lambda',lambda);

Задайте входной вектор x, чтобы содержать значения, в которых можно вычислить PDF.

x = [0 1 2 3 4];

Вычислите значения PDF для распределения Пуассона в значениях в x.

y = pdf(pd,x)
y = 1×5

    0.1353    0.2707    0.2707    0.1804    0.0902

Каждое значение в y соответствует значению во входном векторе x. Например, в значении x равный 3, соответствующее значение PDF в y равно 0,1804.

В качестве альтернативы можно вычислить те же значения PDF, не создавая объект вероятностного распределения. Используйте pdf функция, и задает распределение Пуассона с помощью того же значения для параметра уровня, λ.

y2 = pdf('Poisson',x,lambda)
y2 = 1×5

    0.1353    0.2707    0.2707    0.1804    0.0902

Значения PDF совпадают с теми вычисленное использование объекта вероятностного распределения.

Скрипт Open Live Script

Создайте стандартный объект нормального распределения. 

pd = makedist('Normal')
pd = 
  NormalDistribution

  Normal distribution
       mu = 0
    sigma = 1

Задайте x значения и вычисляют PDF. 

x = -3:.1:3;
pdf_normal = pdf(pd,x);

Постройте PDF. 

plot(x,pdf_normal,'LineWidth',2)

Figure contains an axes object. The axes object contains an object of type line.

Скрипт Open Live Script

Создайте объект вероятностного распределения Weibull. 

pd = makedist('Weibull','A',5,'B',2)
pd = 
  WeibullDistribution

  Weibull distribution
    A = 5
    B = 2

Задайте x значения и вычисляют PDF. 

x = 0:.1:15;
y = pdf(pd,x);

Постройте PDF. 

plot(x,y,'LineWidth',2)

Figure contains an axes object. The axes object contains an object of type line.

Входные параметры

свернуть все

Имя вероятностного распределения в виде одного из вероятностного распределения называет в этой таблице.

nameРаспределениеВведите параметр AВведите параметр BВведите параметр CВведите параметр D
'Beta'Бета распределениеa сначала формирует параметрb второй параметр формыN/AN/A
'Binomial'Биномиальное распределениеКоличество n испытанийВероятность p успеха для каждого испытанияN/AN/A
'BirnbaumSaunders'Распределение Бирнбаума-СондерсаМасштабный коэффициент βПараметр формы γN/AN/A
'Burr'Подпилите распределение типа XIIМасштабный коэффициент αc сначала формирует параметрk второй параметр формыN/A
'Chisquare' или 'chi2'Распределение хи-квадратСтепени свободы νN/AN/AN/A
'Exponential'Экспоненциальное распределениеСреднее значение μN/AN/AN/A
'Extreme Value' или 'ev'Распределение экстремумаПараметр положения μМасштабный коэффициент σN/AN/A
'F'F распределениеСтепени свободы числителя ν1Степени свободы знаменателя ν2N/AN/A
'Gamma'Гамма распределениеПараметр формы aМасштабный коэффициент bN/AN/A
'Generalized Extreme Value' или 'gev'Обобщенное распределение экстремумаПараметр формы kМасштабный коэффициент σПараметр положения μN/A
'Generalized Pareto' или 'gp'Обобщенное распределение ПаретоИндекс хвоста k (форма) параметрМасштабный коэффициент σПорог μ (местоположение) параметрN/A
'Geometric'Геометрическое распределениеПараметр вероятности pN/AN/AN/A
'Half Normal' или 'hn'Полунормальное распределениеПараметр положения μМасштабный коэффициент σN/AN/A
'Hypergeometric' или 'hyge'Геометрическое распределениеРазмер m населенияКоличество k элементов с желаемой характеристикой в населенииКоличество отсчетов n чертитсяN/A
'InverseGaussian'Обратное распределение ГауссаМасштабный коэффициент μПараметр формы λN/AN/A
'Logistic'Логистическое распределениеСреднее значение μМасштабный коэффициент σN/AN/A
'LogLogistic'Распределение LoglogisticСреднее значение μ логарифмических значенийМасштабный коэффициент σ логарифмических значенийN/AN/A
'LogNormal'Логарифмически нормальное распределениеСреднее значение μ логарифмических значенийСтандартное отклонение σ логарифмических значенийN/AN/A
'Loguniform'Распределение Loguniforma более низкая конечная точка (минимум)b верхняя конечная точка (максимум)N/AN/A
'Nakagami'Распределение NakagamiПараметр формы μМасштабный коэффициент ωN/AN/A
'Negative Binomial' или 'nbin'Отрицательное биномиальное распределениеКоличество r успеховВероятность p успеха в одном испытанииN/AN/A
'Noncentral F' или 'ncf'Нецентральное распределение FСтепени свободы числителя ν1Степени свободы знаменателя ν2Параметр нецентрированности δN/A
'Noncentral t' или 'nct'Нецентральное t РаспределениеСтепени свободы νПараметр нецентрированности δN/AN/A
'Noncentral Chi-square' или 'ncx2'Нецентральное распределение хи-квадратСтепени свободы νПараметр нецентрированности δN/AN/A
'Normal'Нормальное распределениеСреднее значение μ Стандартное отклонение σN/AN/A
'Poisson'Распределение ПуассонаСреднее значение λN/AN/AN/A
'Rayleigh'Распределение РелеяМасштабный коэффициент bN/AN/AN/A
'Rician'Распределение RicianПараметр нецентрированности sМасштабный коэффициент σN/AN/A
'Stable'Устойчивое распределениеα сначала формирует параметрβ второй параметр формыМасштабный коэффициент γПараметр положения δ
'T'T Распределение студентаСтепени свободы νN/AN/AN/A
'tLocationScale't Распределение Шкалы МестоположенияПараметр положения μМасштабный коэффициент σПараметр формы νN/A
'Uniform'(Непрерывное) равномерное распределениеa более низкая конечная точка (минимум)b верхняя конечная точка (максимум)N/AN/A
'Discrete Uniform' или 'unid'(Дискретное) равномерное распределениеМаксимум n заметное значениеN/AN/AN/A
'Weibull' или 'wbl'Распределение WeibullМасштабный коэффициент aПараметр формы bN/AN/A

Пример: 'Normal'

Значения, в которых можно оценить PDF в виде скалярного значения или массива скалярных значений.

Если один или несколько входных параметров xABC, и D массивы, затем размеры массивов должны быть тем же самым. В этом случае, pdf расширяет каждый скалярный вход в постоянный массив одного размера с входными параметрами массивов. Смотрите name для определений ABC, и D для каждого распределения.

Пример: [-1,0,3,4]

Типы данных: single | double

Первый параметр вероятностного распределения в виде скалярного значения или массива скалярных значений.

Если один или несколько входных параметров xABC, и D массивы, затем размеры массивов должны быть тем же самым. В этом случае, pdf расширяет каждый скалярный вход в постоянный массив одного размера с входными параметрами массивов. Смотрите name для определений ABC, и D для каждого распределения.

Типы данных: single | double

Второй параметр вероятностного распределения в виде скалярного значения или массива скалярных значений.

Если один или несколько входных параметров xABC, и D массивы, затем размеры массивов должны быть тем же самым. В этом случае, pdf расширяет каждый скалярный вход в постоянный массив одного размера с входными параметрами массивов. Смотрите name для определений ABC, и D для каждого распределения.

Типы данных: single | double

Третий параметр вероятностного распределения в виде скалярного значения или массива скалярных значений.

Если один или несколько входных параметров xABC, и D массивы, затем размеры массивов должны быть тем же самым. В этом случае, pdf расширяет каждый скалярный вход в постоянный массив одного размера с входными параметрами массивов. Смотрите name для определений ABC, и D для каждого распределения.

Типы данных: single | double

Четвертый параметр вероятностного распределения в виде скалярного значения или массива скалярных значений.

Если один или несколько входных параметров xABC, и D массивы, затем размеры массивов должны быть тем же самым. В этом случае, pdf расширяет каждый скалярный вход в постоянный массив одного размера с входными параметрами массивов. Смотрите name для определений ABC, и D для каждого распределения.

Типы данных: single | double

Вероятностное распределение в виде одного из вероятностного распределения возражает в этой таблице.

Объект распределенияФункция или приложение, чтобы создать объект вероятностного распределения
BetaDistributionmakedist, fitdist, Distribution Fitter
BinomialDistributionmakedist, fitdist, Distribution Fitter
BirnbaumSaundersDistributionmakedist, fitdist, Distribution Fitter
BurrDistributionmakedist, fitdist, Distribution Fitter
ExponentialDistributionmakedist, fitdist, Distribution Fitter
ExtremeValueDistributionmakedist, fitdist, Distribution Fitter
GammaDistributionmakedist, fitdist, Distribution Fitter
GeneralizedExtremeValueDistributionmakedist, fitdist, Distribution Fitter
GeneralizedParetoDistributionmakedist, fitdist, Distribution Fitter
HalfNormalDistributionmakedist, fitdist, Distribution Fitter
InverseGaussianDistributionmakedist, fitdist, Distribution Fitter
KernelDistributionfitdist, Distribution Fitter
LogisticDistributionmakedist, fitdist, Distribution Fitter
LoglogisticDistributionmakedist, fitdist, Distribution Fitter
LognormalDistributionmakedist, fitdist, Distribution Fitter
LoguniformDistributionmakedist
MultinomialDistributionmakedist
NakagamiDistributionmakedist, fitdist, Distribution Fitter
NegativeBinomialDistributionmakedist, fitdist, Distribution Fitter
NormalDistributionmakedist, fitdist, Distribution Fitter
Кусочное распределение с обобщенными распределениями Парето в хвостахparetotails
PiecewiseLinearDistributionmakedist
PoissonDistributionmakedist, fitdist, Distribution Fitter
RayleighDistributionmakedist, fitdist, Distribution Fitter
RicianDistributionmakedist, fitdist, Distribution Fitter
StableDistributionmakedist, fitdist, Distribution Fitter
tLocationScaleDistributionmakedist, fitdist, Distribution Fitter
TriangularDistributionmakedist
UniformDistributionmakedist
WeibullDistributionmakedist, fitdist, Distribution Fitter

Выходные аргументы

свернуть все

значения PDF, возвращенные как скалярное значение или массив скалярных значений. y одного размера с x после любого необходимого скалярного расширения. Каждый элемент в y значение PDF распределения, заданного соответствующими элементами в параметрах распределения (ABC, и D) или заданный объектом вероятностного распределения (pd), оцененный в соответствующем элементе в x.

Альтернативная функциональность

  • pdf родовая функция, которая принимает любого распределение его именем name или объект pd вероятностного распределения. Это быстрее, чтобы использовать специфичную для распределения функцию, такой как normpdf для нормального распределения и binopdf для биномиального распределения. Для списка специфичных для распределения функций смотрите Поддерживаемые Распределения.

  • Используйте приложение Probability Distribution Function, чтобы создать интерактивный график кумулятивной функции распределения (cdf) или функции плотности вероятности (PDF) для вероятностного распределения.

Расширенные возможности

Смотрите также

| | | | | | |

Темы

Представлено до R2006a

Документация Statistics and Machine Learning Toolbox

Поддержка

Для просмотра документации необходимо авторизоваться на сайте