Esta página aún no se ha traducido para esta versión. Puede ver la versión más reciente de esta página en inglés.

cdf

Función de distribución acumulativa

Descripción

ejemplo

y = cdf('name',x,A) devuelve la función de distribución acumulativa (cdf) para la familia de distribución de un parámetro especificada por y el parámetro de distribución , evaluado en los valores de .'name'Ax

ejemplo

y = cdf('name',x,A,B) devuelve el cdf para la familia de distribución de dos parámetros especificada por y los parámetros de distribución y , evaluado en los valores de .'name'ABx

y = cdf('name',x,A,B,C) devuelve el cdf para la familia de distribución de tres parámetros especificada por y los parámetros de distribución , , y , evaluados en los valores de .'name'ABCx

y = cdf('name',x,A,B,C,D) devuelve el cdf para la familia de distribución de cuatro parámetros especificada por y los parámetros de distribución , , , y , evaluados en los valores de .'name'ABCDx

ejemplo

y = cdf(pd,x) devuelve el cdf del objeto de distribución de probabilidad , evaluado en los valores de .pdx

y = cdf(___,'upper') devuelve el complemento del cdf utilizando un algoritmo que calcula con mayor precisión las probabilidades extremas de cola superior. puede seguir cualquiera de los argumentos de entrada en las sintaxis anteriores.'upper'

Ejemplos

contraer todo

Cree un objeto de distribución normal estándar con la media,

<math display="block">
<mrow>
<mi>μ</mi>
</mrow>
</math>
, igual a 0 y la desviación estándar,
<math display="block">
<mrow>
<mi>σ</mi>
</mrow>
</math>
, igual a 1.

mu = 0; sigma = 1; pd = makedist('Normal','mu',mu,'sigma',sigma);

Defina el vector de entrada para que contenga los valores en los que se va a calcular el cdf.x

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

Calcular los valores cdf para la distribución normal estándar en los valores de .x

y = cdf(pd,x)
y = 1×5

    0.0228    0.1587    0.5000    0.8413    0.9772

Cada valor en corresponde a un valor en el vector de entrada .yx Por ejemplo, en el valor igual a 1, el valor cdf correspondiente es igual a 0.8413.xy

Como alternativa, puede calcular los mismos valores cdf sin crear un objeto de distribución de probabilidad. Utilice la función y especifique una distribución normal estándar utilizando los mismos valores de parámetro paracdf

<math display="block">
<mrow>
<mi>μ</mi>
</mrow>
</math>
Y
<math display="block">
<mrow>
<mi>σ</mi>
</mrow>
</math>
.

y2 = cdf('Normal',x,mu,sigma)
y2 = 1×5

    0.0228    0.1587    0.5000    0.8413    0.9772

Los valores cdf son los mismos que los calculados mediante el objeto de distribución de probabilidad.

Cree un objeto de distribución de Poisson con el parámetro rate,

<math display="block">
<mrow>
<mi>λ</mi>
</mrow>
</math>
, igual a 2.

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

Defina el vector de entrada para que contenga los valores en los que se va a calcular el cdf.x

x = [0,1,2,3,4];

Calcular los valores cdf para la distribución de Poisson en los valores de .x

y = cdf(pd,x)
y = 1×5

    0.1353    0.4060    0.6767    0.8571    0.9473

Cada valor en corresponde a un valor en el vector de entrada .yx Por ejemplo, en el valor igual a 3, el valor cdf correspondiente es igual a 0.8571.xy

Como alternativa, puede calcular los mismos valores cdf sin crear un objeto de distribución de probabilidad. Utilice la función y especifique una distribución de Poisson utilizando el mismo valor para el parámetro rate,cdf

<math display="block">
<mrow>
<mi>λ</mi>
</mrow>
</math>
.

y2 = cdf('Poisson',x,lambda)
y2 = 1×5

    0.1353    0.4060    0.6767    0.8571    0.9473

Los valores cdf son los mismos que los calculados mediante el objeto de distribución de probabilidad.

Cree un objeto de distribución normal estándar.

pd = makedist('Normal')
pd =    NormalDistribution    Normal distribution        mu = 0     sigma = 1  

Especifique los valores y calcule el cdf.x

x = -3:.1:3; p = cdf(pd,x);

Trazar el cdf de la distribución normal estándar.

plot(x,p)

Cree tres objetos de distribución gamma. El primero utiliza los valores de parámetro predeterminados. El segundo especifica y .a = 1b = 2 El tercero especifica y .a = 2b = 1

pd_gamma = makedist('Gamma')
pd_gamma =    GammaDistribution    Gamma distribution     a = 1     b = 1  
pd_12 = makedist('Gamma','a',1,'b',2)
pd_12 =    GammaDistribution    Gamma distribution     a = 1     b = 2  
pd_21 = makedist('Gamma','a',2,'b',1)
pd_21 =    GammaDistribution    Gamma distribution     a = 2     b = 1  

Especifique los valores y calcule el cdf para cada distribución.x

x = 0:.1:5; cdf_gamma = cdf(pd_gamma,x); cdf_12 = cdf(pd_12,x); cdf_21 = cdf(pd_21,x);

Cree un trazado para visualizar cómo cambia el cdf de la distribución gamma al especificar valores diferentes para los parámetros de forma y .ab

figure; J = plot(x,cdf_gamma); hold on; K = plot(x,cdf_12,'r--'); L = plot(x,cdf_21,'k-.'); set(J,'LineWidth',2); set(K,'LineWidth',2); legend([J K L],'a = 1, b = 1','a = 1, b = 2','a = 2, b = 1','Location','southeast'); hold off;

Ajustar las colas de Pareto a un

<math display="block">
<mrow>
<mi>t</mi>
</mrow>
</math>
distribución a probabilidades acumuladas 0,1 y 0,9.

t = trnd(3,100,1); obj = paretotails(t,0.1,0.9); [p,q] = boundary(obj)
p = 2×1

    0.1000
    0.9000

q = 2×1

   -1.8487
    2.0766

Calcular el cdf en los valores en .q

cdf(obj,q)
ans = 2×1

    0.1000
    0.9000

Argumentos de entrada

contraer todo

Nombre de distribución de probabilidad, especificado como uno de los nombres de distribución de probabilidad en esta tabla.

'name'DistribuciónParámetro de entradaAParámetro de entradaBParámetro de entradaCParámetro de entradaD
'Beta'Beta Distributionprimer parámetro de formaasegundo parámetro de formab
'Binomial'Binomial Distributionnúmero de ensayosnprobabilidad de éxito para cada ensayop
'BirnbaumSaunders'Birnbaum-Saunders Distributionparámetro de escalaβparámetro de formaγ
'Burr'Burr Type XII Distributionparámetro de escalaαprimer parámetro de formacsegundo parámetro de formak
'Chisquare'Chi-Square Distributiongrados de libertadν
'Exponential'Exponential DistributionDecirμ
'Extreme Value'Extreme Value Distributionparámetro de ubicaciónμparámetro de escalaσ
'F'F Distributionν1 grados de libertad del numeradorν2 grados de libertad denominador
'Gamma'Gamma Distributionparámetro de formaaparámetro de escalab
'Generalized Extreme Value'Generalized Extreme Value Distributionparámetro de formakparámetro de escalaσparámetro de ubicaciónμ
'Generalized Pareto'Generalized Pareto Distributionparámetro de índice de cola (forma)kparámetro de escalaσumbral (ubicación)μ
'Geometric'Geometric Distributionparámetro de probabilidadp
'HalfNormal'Half-Normal Distributionparámetro de ubicaciónμparámetro de escalaσ
'Hypergeometric'Hypergeometric Distributiontamaño de la poblaciónmnúmero de artículos con la característica deseada en la poblaciónknúmero de muestras extraídasn
'InverseGaussian'Inverse Gaussian Distributionparámetro de escalaμparámetro de formaλ
'Logistic'Logistic DistributionDecirμparámetro de escalaσ
'LogLogistic'Loglogistic Distributionmedia de los valores logarítmicosμparámetro de escala de los valores logarítmicosσ
'Lognormal'Distribución Lognormalmedia de los valores logarítmicosμdesviación estándar de los valores logarítmicosσ
'Nakagami'Nakagami Distributionparámetro de formaμparámetro de escalaω
'Negative Binomial'Negative Binomial Distributionnúmero de éxitosrprobabilidad de éxito en un solo ensayop
'Noncentral F'Noncentral F Distributionν1 grados de libertad del numeradorν2 grados de libertad denominadorparámetro de no centralidadδ
'Noncentral t'Noncentral t Distributiongrados de libertadνparámetro de no centralidadδ
'Noncentral Chi-square'Noncentral Chi-Square Distributiongrados de libertadνparámetro de no centralidadδ
'Normal'Distribución normalDecirμ desviación estándarσ
'Poisson'Distribución de PoissonDecirλ
'Rayleigh'Rayleigh Distributionparámetro de escalab
'Rician'Rician Distributionparámetro de no centralidadsparámetro de escalaσ
'Stable'Stable Distributionprimer parámetro de formaαsegundo parámetro de formaβparámetro de escalaγparámetro de ubicaciónδ
'T'Student's t Distributiongrados de libertadν
'tLocationScale't Location-Scale Distributionparámetro de ubicaciónμparámetro de escalaσparámetro de formaν
'Uniform'Uniform Distribution (Continuous)punto final inferior (mínimo)apunto final superior (máximo)b
'Discrete Uniform'Uniform Distribution (Discrete)valor máximo observablen
'Weibull'Weibull Distributionparámetro de escalaaparámetro de formab

Ejemplo: 'Normal'

Valores en los que evaluar el cdf, especificado como un valor escalar o una matriz de valores escalares.

Si uno o varios de los argumentos de entrada , , , , y son matrices, los tamaños de matriz deben ser los mismos.xABCD En este caso, cdf expande cada entrada escalar en una matriz constante del mismo tamaño que las entradas de matriz. Consulte las definiciones de , , , y para cada distribución.'name'ABCD

Ejemplo: [0.1,0.25,0.5,0.75,0.9]

Tipos de datos: single | double

Primer parámetro de distribución de probabilidad, especificado como un valor escalar o una matriz de valores escalares.

Si uno o varios de los argumentos de entrada , , , , y son matrices, los tamaños de matriz deben ser los mismos.xABCD En este caso, cdf expande cada entrada escalar en una matriz constante del mismo tamaño que las entradas de matriz. Consulte las definiciones de , , , y para cada distribución.'name'ABCD

Tipos de datos: single | double

Segundo parámetro de distribución de probabilidad, especificado como un valor escalar o una matriz de valores escalares.

Si uno o varios de los argumentos de entrada , , , , y son matrices, los tamaños de matriz deben ser los mismos.xABCD En este caso, cdf expande cada entrada escalar en una matriz constante del mismo tamaño que las entradas de matriz. Consulte las definiciones de , , , y para cada distribución.'name'ABCD

Tipos de datos: single | double

Tercer parámetro de distribución de probabilidad, especificado como un valor escalar o una matriz de valores escalares.

Si uno o varios de los argumentos de entrada , , , , y son matrices, los tamaños de matriz deben ser los mismos.xABCD En este caso, cdf expande cada entrada escalar en una matriz constante del mismo tamaño que las entradas de matriz. Consulte las definiciones de , , , y para cada distribución.'name'ABCD

Tipos de datos: single | double

Cuarto parámetro de distribución de probabilidad, especificado como un valor escalar o una matriz de valores escalares.

Si uno o varios de los argumentos de entrada , , , , y son matrices, los tamaños de matriz deben ser los mismos.xABCD En este caso, cdf expande cada entrada escalar en una matriz constante del mismo tamaño que las entradas de matriz. Consulte las definiciones de , , , y para cada distribución.'name'ABCD

Tipos de datos: single | double

Distribución de probabilidad, especificada como un objeto de distribución de probabilidad creado con una función o aplicación en esta tabla.

Función o aplicaciónDescripción
makedistCree un objeto de distribución de probabilidad utilizando valores de parámetro especificados.
fitdistAjuste un objeto de distribución de probabilidad a los datos de muestra.
Creador FitterAjuste una distribución de probabilidad a los datos de ejemplo mediante la aplicación interactiva Distribution Fitter y exporte el objeto ajustado al área de trabajo.
paretotailsCree un objeto de distribución por parte que haya generalizado las distribuciones de Pareto en las colas.

Argumentos de salida

contraer todo

cdf valores, devueltos como un valor escalar o una matriz de valores escalares. es del mismo tamaño que después de cualquier expansión escalar necesaria.yx Cada elemento en es el valor cdf de la distribución, especificado por los elementos correspondientes en los parámetros de distribución ( , , , y ) o el objeto de distribución de probabilidad ( ), evaluado en el elemento correspondiente en .yABCDpdx

Funcionalidad alternativa

  • es una función genérica que acepta una distribución por su nombre o un objeto de distribución de probabilidad.cdf'name'pd Es más rápido utilizar una función específica de la distribución, como para la distribución normal y para la distribución binomial.normcdfbinocdf Para obtener una lista de funciones específicas de la distribución, véase .Supported Distributions

  • Utilice la aplicación para crear una gráfica interactiva de la función de distribución acumulativa (cdf) o la función de densidad de probabilidad (pdf) para una distribución de probabilidad.Función de distribución de probabilidad

Capacidades ampliadas

Introducido antes de R2006a