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

Sintaxis

y = cdf('name',x,A)

y = cdf('name',x,A,B)

y = cdf('name',x,A,B,C)

y = cdf('name',x,A,B,C,D)

y = cdf(pd,x)

y = cdf(___,'upper')

Descripción

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

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

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

Calcular distribución normal cdf

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.

Compute Poisson Distribution cdf

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.

Trazar distribución normal estándar cdf

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)

Trazar distribución gamma cdf

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 t Distribución y calcular el cdf

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

'name' — Nombre de distribución de probabilidad

vector de caracteres o escalar de cadena de nombre de distribución de probabilidad

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

'name'	Distribución	Parámetro de entradaA	Parámetro de entradaB	Parámetro de entradaC	Parámetro de entradaD
'Beta'	Beta Distribution	primer parámetro de formaa	segundo parámetro de formab	—	—
'Binomial'	Binomial Distribution	número de ensayosn	probabilidad de éxito para cada ensayop	—	—
'BirnbaumSaunders'	Birnbaum-Saunders Distribution	parámetro de escalaβ	parámetro de formaγ	—	—
'Burr'	Burr Type XII Distribution	parámetro de escalaα	primer parámetro de formac	segundo parámetro de formak	—
'Chisquare'	Chi-Square Distribution	grados de libertadν	—	—	—
'Exponential'	Exponential Distribution	Decirμ	—	—	—
'Extreme Value'	Extreme Value Distribution	parámetro de ubicaciónμ	parámetro de escalaσ	—	—
'F'	F Distribution	ν1 grados de libertad del numerador	ν2 grados de libertad denominador	—	—
'Gamma'	Gamma Distribution	parámetro de formaa	parámetro de escalab	—	—
'Generalized Extreme Value'	Generalized Extreme Value Distribution	parámetro de formak	parámetro de escalaσ	parámetro de ubicaciónμ	—
'Generalized Pareto'	Generalized Pareto Distribution	parámetro de índice de cola (forma)k	parámetro de escalaσ	umbral (ubicación)μ	—
'Geometric'	Geometric Distribution	parámetro de probabilidadp	—	—	—
'HalfNormal'	Half-Normal Distribution	parámetro de ubicaciónμ	parámetro de escalaσ	—	—
'Hypergeometric'	Hypergeometric Distribution	tamaño de la poblaciónm	número de artículos con la característica deseada en la poblaciónk	número de muestras extraídasn	—
'InverseGaussian'	Inverse Gaussian Distribution	parámetro de escalaμ	parámetro de formaλ	—	—
'Logistic'	Logistic Distribution	Decirμ	parámetro de escalaσ	—	—
'LogLogistic'	Loglogistic Distribution	media de los valores logarítmicosμ	parámetro de escala de los valores logarítmicosσ	—	—
'Lognormal'	Distribución Lognormal	media de los valores logarítmicosμ	desviación estándar de los valores logarítmicosσ	—	—
'Nakagami'	Nakagami Distribution	parámetro de formaμ	parámetro de escalaω	—	—
'Negative Binomial'	Negative Binomial Distribution	número de éxitosr	probabilidad de éxito en un solo ensayop	—	—
'Noncentral F'	Noncentral F Distribution	ν1 grados de libertad del numerador	ν2 grados de libertad denominador	parámetro de no centralidadδ	—
'Noncentral t'	Noncentral t Distribution	grados de libertadν	parámetro de no centralidadδ	—	—
'Noncentral Chi-square'	Noncentral Chi-Square Distribution	grados de libertadν	parámetro de no centralidadδ	—	—
'Normal'	Distribución normal	Decirμ	desviación estándarσ	—	—
'Poisson'	Distribución de Poisson	Decirλ	—	—	—
'Rayleigh'	Rayleigh Distribution	parámetro de escalab	—	—	—
'Rician'	Rician Distribution	parámetro de no centralidads	parámetro de escalaσ	—	—
'Stable'	Stable Distribution	primer parámetro de formaα	segundo parámetro de formaβ	parámetro de escalaγ	parámetro de ubicaciónδ
'T'	Student's t Distribution	grados de libertadν	—	—	—
'tLocationScale'	t Location-Scale Distribution	parámetro de ubicaciónμ	parámetro de escalaσ	parámetro de formaν	—
'Uniform'	Uniform Distribution (Continuous)	punto final inferior (mínimo)a	punto final superior (máximo)b	—	—
'Discrete Uniform'	Uniform Distribution (Discrete)	valor máximo observablen	—	—	—
'Weibull'	Weibull Distribution	parámetro de escalaa	parámetro de formab	—	—

Ejemplo: 'Normal'

x — Valores a los que evaluar cdf

valor escalar | matriz de valores escalares

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

A — Primer parámetro de distribución de probabilidad

valor escalar | matriz de valores escalares

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

B — Segundo parámetro de distribución de probabilidad

valor escalar | matriz de valores escalares

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

C — Tercer parámetro de distribución de probabilidad

valor escalar | matriz de valores escalares

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

D — Cuarto parámetro de distribución de probabilidad

valor escalar | matriz de valores escalares

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

pd — Distribución de probabilidad

objeto de distribución de probabilidad

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

Función o aplicación	Descripción
makedist	Cree un objeto de distribución de probabilidad utilizando valores de parámetro especificados.
fitdist	Ajuste un objeto de distribución de probabilidad a los datos de muestra.
Creador Fitter	Ajuste una distribución de probabilidad a los datos de ejemplo mediante la aplicación interactiva Distribution Fitter y exporte el objeto ajustado al área de trabajo.
paretotails	Cree un objeto de distribución por parte que haya generalizado las distribuciones de Pareto en las colas.

Argumentos de salida

y — valores cdf

valor escalar | matriz de valores escalares

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

Generación de código C/C++

Genere código C y C++ mediante MATLAB® Coder™.

Usage notes and limitations:

• El argumento de entrada debe ser una constante en tiempo de compilación.'name' Por ejemplo, para utilizar la distribución normal, incluya en el valor de .coder.Constant('Normal')-argscodegen

• El argumento de entrada puede ser un objeto de distribución de probabilidad ajustado para distribuciones beta, exponencial, de valor extremo, lognormal, normal y Weibull.pd Cree ajustando una distribución de probabilidad a los datos de muestra de la función.pdfitdist Para obtener un ejemplo, consulte .Code Generation for Probability Distribution Objects

Para obtener más información sobre la generación de código, consulte y .Introduction to Code GenerationGeneral Code Generation Workflow

Consulte también

| Creador Fitter | ecdf | fitdist | icdf | makedist | mle | paretotails | pdf | random

Temas

• Trabajar con distribuciones de probabilidad
• Supported Distributions

Introducido antes de R2006a

×

Abrir ejemplo

Existe una versión modificada de este ejemplo en su sistema. ¿Prefiere abrir esta versión?

No, sobrescribir la versión modificada Sí