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

icdf

Función de distribución acumulativa inversa

Descripción

ejemplo

x = icdf('name',p,A) Devuelve la función de distribución acumulativa inversa (ICDF) para la familia de distribución de un parámetro especificada por y el parámetro de distribución, evaluado en los valores de probabilidad en.'name'Ap

ejemplo

x = icdf('name',p,A,B) Devuelve el ICDF para la familia de distribución de dos parámetros especificada por y los parámetros de distribución y, evaluado en los valores de probabilidad en.'name'ABp

x = icdf('name',p,A,B,C) Devuelve el ICDF para la familia de distribución de tres parámetros especificada por y los parámetros de distribución, y, evaluado en los valores de probabilidad en.'name'ABCp

x = icdf('name',p,A,B,C,D) Devuelve el ICDF para la familia de distribución de cuatro parámetros especificada por y el parámetro de distribución, y, evaluado en los valores de probabilidad en.'name'ABCDp

ejemplo

x = icdf(pd,p) Devuelve la función ICDF del objeto de distribución de probabilidad, evaluada en los valores de probabilidad en.pdp

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 de probabilidad en los que calcular el ICDF.p

p = [0.1,0.25,0.5,0.75,0.9];

Calcule los valores de ICDF para la distribución normal estándar en los valores de.p

x = icdf(pd,p)
x = 1×5

   -1.2816   -0.6745         0    0.6745    1.2816

Cada valor en corresponde a un valor en el vector de entrada.xp Por ejemplo, en el valor igual a 0,9, el valor ICDF correspondiente es igual a 1,2816.px

Alternativamente, puede calcular los mismos valores de ICDF sin crear un objeto de distribución de probabilidad. Utilice la función y especifique una distribución normal estándar utilizando los mismos valores de parámetro paraicdf

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

x2 = icdf('Normal',p,mu,sigma)
x2 = 1×5

   -1.2816   -0.6745         0    0.6745    1.2816

Los valores de ICDF 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 de probabilidad en los que calcular el ICDF.p

p = [0.1,0.25,0.5,0.75,0.9];

Calcule los valores de ICDF para la distribución de Poisson en los valores en.p

x = icdf(pd,p)
x = 1×5

     0     1     2     3     4

Cada valor en corresponde a un valor en el vector de entrada.xp Por ejemplo, en el valor igual a 0,9, el valor de ICDF correspondiente es igual a 4.px

Alternativamente, puede calcular los mismos valores de ICDF sin crear un objeto de distribución de probabilidad. Utilice la función y especifique una distribución de Poisson utilizando el mismo valor para el parámetro Rateicdf

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

x2 = icdf('Poisson',p,lambda)
x2 = 1×5

     0     1     2     3     4

Los valores de ICDF 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  

Determine los valores críticos en el nivel de significancia del 5% para un estadístico de prueba con una distribución normal estándar, calculando los valores superior e inferior del 2,5%.

x = icdf(pd,[.025,.975])
x = 1×2

   -1.9600    1.9600

Trace la CDF y sombrea las regiones críticas.

p = normspec(x,0,1,'outside')

p = 0.0500 

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'Distribución betaprimer parámetro de formaasegundo parámetro de formab
'Binomial'Distribución binomialnúmero de pruebasnprobabilidad de éxito para cada ensayop
'BirnbaumSaunders'Birnbaum-Saunders Distributionparámetro de escalaβparámetro de formaγ
'Burr'Tipo de Burr XII distribuciónparámetro de escalaαprimer parámetro de formacsegundo parámetro de formak
'Chisquare'Distribución de Chi-cuadradogrados de libertadν
'Exponential'Distribución exponencialDecirμ
'Extreme Value'Distribución de valor extremoparámetro de ubicaciónμparámetro de escalaσ
'F'F distribuciónν1 grados de libertad del numeradorν2 denominador grados de libertad
'Gamma'Distribución gammaparámetro de formaaparámetro de escalab
'Generalized Extreme Value'Distribución de valor extremo generalizadoparámetro de formakparámetro de escalaσparámetro de ubicaciónμ
'Generalized Pareto'La distribución generalizada de Paretoparámetro de índice de cola (forma)kparámetro de escalaσparámetro de umbral (ubicación)μ
'Geometric'Distribución geométricaparámetro de probabilidadp
'HalfNormal'Distribución media-normalparámetro de ubicaciónμparámetro de escalaσ
'Hypergeometric'Distribución hipergeométricatamaño de la poblaciónmnúmero de elementos con la característica deseada en la poblaciónknúmero de muestras dibujadasn
'InverseGaussian'Distribución gaussiana inversaparámetro de escalaμparámetro de formaλ
'Logistic'Distribución logísticaDecirμparámetro de escalaσ
'LogLogistic'La distribución loglogísticamedia de valores logarítmicosμparámetro de escala de valores logarítmicosσ
'Lognormal'Distribución Lognormalmedia de valores logarítmicosμdesviación estándar de los valores logarítmicosσ
'Nakagami'Nakagami Distributionparámetro de formaμparámetro de escalaω
'Negative Binomial'Distribución binomial negativanúmero de éxitosrprobabilidad de éxito en una sola pruebap
'Noncentral F'La distribución F no centralν1 grados de libertad del numeradorν2 denominador grados de libertadparámetro de no centralidadδ
'Noncentral t'Distribución no central tgrados de libertadνparámetro de no centralidadδ
'Noncentral Chi-square'Distribución de Chi-cuadrado no centralgrados de libertadνparámetro de no centralidadδ
'Normal'Distribución normalDecirμ desviación estándarσ
'Poisson'Distribución de PoissonDecirλ
'Rayleigh'Rayleigh Distributionparámetro de escalab
'Rician'Distribución de Ricianparámetro de no centralidadsparámetro de escalaσ
'Stable'Distribución estableprimer parámetro de formaαsegundo parámetro de formaβparámetro de escalaγparámetro de ubicaciónδ
'T'Student ' t Distributiongrados de libertadν
'tLocationScale't distribución de escala de ubicaciónparámetro de ubicaciónμparámetro de escalaσparámetro de formaν
'Uniform'Distribución uniforme (continua)punto final inferior (mínimo)apunto final superior (máximo)b
'Discrete Uniform'Distribución uniforme (discreta)valor observable máximon
'Weibull'La distribución de Weibullparámetro de escalaaparámetro de formab

Ejemplo: 'Normal'

Valores de probabilidad en los que evaluar el ICDF, especificado como un valor escalar, o una matriz de valores escalares en el intervalo [0,1].

Si uno o más de los argumentos de entrada,,, y son matrices, los tamaños de la matriz deben ser los mismos.pABCD En este caso, icdf expande cada entrada escalar en una matriz constante del mismo tamaño que las entradas de la 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 más de los argumentos de entrada,,, y son matrices, los tamaños de la matriz deben ser los mismos.pABCD En este caso, icdf expande cada entrada escalar en una matriz constante del mismo tamaño que las entradas de la 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 más de los argumentos de entrada,,, y son matrices, los tamaños de la matriz deben ser los mismos.pABCD En este caso, icdf expande cada entrada escalar en una matriz constante del mismo tamaño que las entradas de la 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 más de los argumentos de entrada,,, y son matrices, los tamaños de la matriz deben ser los mismos.pABCD En este caso, icdf expande cada entrada escalar en una matriz constante del mismo tamaño que las entradas de la 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 más de los argumentos de entrada,,, y son matrices, los tamaños de la matriz deben ser los mismos.pABCD En este caso, icdf expande cada entrada escalar en una matriz constante del mismo tamaño que las entradas de la 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 datos de ejemplo.
Distribución FitterAjuste una distribución de probabilidad a los datos de muestra mediante la aplicación interactiva de distribución de distribuciones y exporte el objeto ajustado al espacio de trabajo.
paretotailsCree un objeto de distribución por tramos que tenga distribuciones de Pareto generalizadas en las colas.

Argumentos de salida

contraer todo

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

Funcionalidad alternativa

es una función genérica que acepta una distribución por su nombre o un objeto de distribución de probabilidad.icdf'name'pd Es más rápido utilizar una función específica de la distribución, como por ejemplo para la distribución normal y para la distribución binomial.norminvbinoinv Para obtener una lista de funciones específicas de la distribución, consulte.Distribuciones admitidas

Capacidades ampliadas

Introducido antes de R2006a