icdf
Función de distribución acumulativa inversa
Sintaxis
Descripción
Ejemplos
Calcular la icdf de una distribución normal especificando el nombre y los parámetros de distribución
Calcule los valores de la icdf de una distribución normal especificando el nombre de distribución 'Normal'
y los parámetros de distribución.
Defina el vector de entrada p para que contenga los valores de probabilidad en los que calcular la icdf.
p = [0.1,0.25,0.5,0.75,0.9];
Calcule los valores de la icdf de una distribución normal, con la media igual a 1 y la desviación estándar igual a 5.
mu = 1;
sigma = 5;
y = icdf('Normal',p,mu,sigma)
y = 1×5
-5.4078 -2.3724 1.0000 4.3724 7.4078
Cada valor de y corresponde a un valor del vector de entrada x. Por ejemplo, en el valor x igual a 1, el valor correspondiente de la icdf de y es igual a 7,4078.
Calcular la icdf de una distribución normal usando un objeto de distribución
Cree un objeto de distribución normal y calcule los valores de la icdf de la distribución normal usando el objeto.
Cree un objeto de distribución normal con la media igual a 1 y la desviación estándar igual a 5.
mu = 1; sigma = 5; pd = makedist('Normal','mu',mu,'sigma',sigma);
Defina el vector de entrada p para que contenga los valores de probabilidad en los que calcular la icdf.
p = [0.1,0.25,0.5,0.75,0.9];
Calcule los valores de la icdf para la distribución normal en los valores de p.
x = icdf(pd,p)
x = 1×5
-5.4078 -2.3724 1.0000 4.3724 7.4078
Cada valor de x corresponde a un valor del vector de entrada p. Por ejemplo, en el valor p igual a 0,9, el valor correspondiente de la icdf de x es igual a 7,4078.
Calcular la icdf de una distribución de Poisson
Cree un objeto de distribución de Poisson con el parámetro de tasa, , igual a 2.
lambda = 2; pd = makedist('Poisson','lambda',lambda);
Defina el vector de entrada p para que contenga los valores de probabilidad en los que calcular la icdf.
p = [0.1,0.25,0.5,0.75,0.9];
Calcule los valores de la icdf para la distribución de Poisson en los valores de p.
x = icdf(pd,p)
x = 1×5
0 1 2 3 4
Cada valor de x corresponde a un valor del vector de entrada p. Por ejemplo, en el valor p igual a 0,9, el valor correspondiente de la icdf de x es igual a 4.
De forma alternativa, puede calcular los mismos valores de la icdf sin crear un objeto de distribución de probabilidad. Use la función icdf
y especifique una distribución de Poisson usando el mismo valor para el parámetro de tasa .
x2 = icdf('Poisson',p,lambda)
x2 = 1×5
0 1 2 3 4
Los valores de la icdf son los mismos que los calculados usando el objeto de distribución de probabilidad.
Calcular los valores críticos normales estándar
Cree un objeto de distribución normal estándar.
pd = makedist('Normal')
pd = NormalDistribution Normal distribution mu = 0 sigma = 1
Determine los valores críticos al nivel de significación del 5% para una estadística de prueba con una distribución normal estándar, calculando los valores superior e inferior de 2,5%.
x = icdf(pd,[.025,.975])
x = 1×2
-1.9600 1.9600
Represente la cdf y sombree las regiones críticas.
p = normspec(x,0,1,'outside')
p = 0.0500
Argumentos de entrada
name
— Nombre de la distribución de probabilidad
vector de caracteres o escalar de cadena de nombres de distribución de probabilidad
El nombre de la distribución de probabilidad, especificado como uno de los nombres de distribución de probabilidad de esta tabla.
name | Distribución | Parámetro de entrada A | Parámetro de entrada B | Parámetro de entrada C | Parámetro de entrada D |
---|---|---|---|---|---|
'Beta' | Beta Distribution | Primer parámetro de forma a | Segundo parámetro de forma b | n. a. | n. a. |
'Binomial' | Distribución binomial | Número n de pruebas | Probabilidad de éxito de cada prueba p | n. a. | n. a. |
'BirnbaumSaunders' | Birnbaum-Saunders Distribution | Parámetro de escala β | Parámetro de forma γ | n. a. | n. a. |
'Burr' | Burr Type XII Distribution | Parámetro de escala α | Primer parámetro de forma c | Segundo parámetro de forma k | n. a. |
'Chisquare' o 'chi2' | Distribución chi-cuadrado | ν grados de libertad | n. a. | n. a. | n. a. |
'Exponential' | Exponential Distribution | Media μ | n. a. | n. a. | n. a. |
'Extreme Value' o 'ev' | Extreme Value Distribution | Parámetro de localización μ | Parámetro de escala σ | n. a. | n. a. |
'F' | F Distribution | ν1 grados de libertad del numerador | ν2 grados de libertad del denominador | n. a. | n. a. |
'Gamma' | Distribución gamma | Parámetro de forma a | Parámetro de escala b | n. a. | n. a. |
'Generalized Extreme Value' o 'gev' | Generalized Extreme Value Distribution | Parámetro de forma k | Parámetro de escala σ | Parámetro de localización μ | n. a. |
'Generalized Pareto' o 'gp' | Generalized Pareto Distribution | Parámetro de índice de cola (forma) k | Parámetro de escala σ | Parámetro de umbral (localización) μ | n. a. |
'Geometric' | Geometric Distribution | Parámetro de probabilidad p | n. a. | n. a. | n. a. |
'Half Normal' o 'hn' | Half-Normal Distribution | Parámetro de localización μ | Parámetro de escala σ | n. a. | n. a. |
'Hypergeometric' o 'hyge' | Hypergeometric Distribution | Tamaño de la población m | Número k de elementos con la característica deseada en la población | Número n de muestras extraídas | n. a. |
'InverseGaussian' | Distribución gaussiana inversa | Parámetro de escala μ | Parámetro de forma λ | n. a. | n. a. |
'Logistic' | Distribución logística | Media μ | Parámetro de escala σ | n. a. | n. a. |
'LogLogistic' | Loglogistic Distribution | Media μ de los valores logarítmicos | Parámetro de escala σ de los valores logarítmicos | n. a. | n. a. |
'LogNormal' | Distribución lognormal | Media μ de los valores logarítmicos | Desviación estándar σ de los valores logarítmicos | n. a. | n. a. |
'Loguniform' | Loguniform Distribution | Extremo inferior a (mínimo) | Extremo superior b (máximo) | n. a. | n. a. |
'Nakagami' | Distribución de Nakagami | Parámetro de forma μ | Parámetro de escala ω | n. a. | n. a. |
'Negative Binomial' o 'nbin' | Negative Binomial Distribution | Número r de éxitos | Probabilidad de éxito en una sola prueba p | n. a. | n. a. |
'Noncentral F' o 'ncf' | Noncentral F Distribution | ν1 grados de libertad del numerador | ν2 grados de libertad del denominador | Parámetro de no centralidad δ | n. a. |
'Noncentral t' o 'nct' | Noncentral t Distribution | ν grados de libertad | Parámetro de no centralidad δ | n. a. | n. a. |
'Noncentral Chi-square' o 'ncx2' | Noncentral Chi-Square Distribution | ν grados de libertad | Parámetro de no centralidad δ | n. a. | n. a. |
'Normal' | Distribución normal | Media μ | Desviación estándar σ | n. a. | n. a. |
'Poisson' | Distribución de Poisson | Media λ | n. a. | n. a. | n. a. |
'Rayleigh' | Distribución de Rayleigh | Parámetro de escala b | n. a. | n. a. | n. a. |
'Rician' | Rician Distribution | Parámetro de no centralidad s | Parámetro de escala σ | n. a. | n. a. |
'Stable' | Stable Distribution | Primer parámetro de forma α | Segundo parámetro de forma β | Parámetro de escala γ | Parámetro de localización δ |
'T' | Distribución t de Student | ν grados de libertad | n. a. | n. a. | n. a. |
'tLocationScale' | t Location-Scale Distribution | Parámetro de localización μ | Parámetro de escala σ | Parámetro de forma ν | n. a. |
'Uniform' | Distribución uniforme (continua) | Extremo inferior a (mínimo) | Extremo superior b (máximo) | n. a. | n. a. |
'Discrete Uniform' o 'unid' | Distribución uniforme (discreta) | Valor máximo observable n | n. a. | n. a. | n. a. |
'Weibull' o 'wbl' | Weibull Distribution | Parámetro de escala a | Parámetro de forma b | n. a. | n. a. |
Ejemplo: 'Normal'
p
— Valores de probabilidad en los que evaluar la icdf
valor de escalar | arreglo de valores de escalar
Valores de probabilidad en los que evaluar la icdf, especificados como un valor de escalar o un arreglo de valores de escalar en el intervalo [0,1].
Si uno o más de los argumentos de entrada p
, A
, B
, C
y D
son arreglos, los tamaños de los arreglos deben ser los mismos. En este caso, icdf
expande cada entrada del escalar a un arreglo constante del mismo tamaño que las entradas del arreglo. Consulte name
para ver las definiciones de A
, B
, C
y D
para cada distribución.
Ejemplo: [0.1,0.25,0.5,0.75,0.9]
Tipos de datos: single
| double
A
— Primer parámetro de la distribución de probabilidad
valor de escalar | arreglo de valores de escalar
El primer parámetro de la distribución de probabilidad, especificado como un valor de escalar o un arreglo de valores de escalar.
Si uno o más de los argumentos de entrada p
, A
, B
, C
y D
son arreglos, los tamaños de los arreglos deben ser los mismos. En este caso, icdf
expande cada entrada del escalar a un arreglo constante del mismo tamaño que las entradas del arreglo. Consulte name
para ver las definiciones de A
, B
, C
y D
para cada distribución.
Tipos de datos: single
| double
B
— Segundo parámetro de la distribución de probabilidad
valor de escalar | arreglo de valores de escalar
El segundo parámetro de la distribución de probabilidad, especificado como un valor de escalar o un arreglo de valores de escalar.
Si uno o más de los argumentos de entrada p
, A
, B
, C
y D
son arreglos, los tamaños de los arreglos deben ser los mismos. En este caso, icdf
expande cada entrada del escalar a un arreglo constante del mismo tamaño que las entradas del arreglo. Consulte name
para ver las definiciones de A
, B
, C
y D
para cada distribución.
Tipos de datos: single
| double
C
— Tercer parámetro de la distribución de probabilidad
valor de escalar | arreglo de valores de escalar
El tercer parámetro de la distribución de probabilidad, especificado como un valor de escalar o un arreglo de valores de escalar.
Si uno o más de los argumentos de entrada p
, A
, B
, C
y D
son arreglos, los tamaños de los arreglos deben ser los mismos. En este caso, icdf
expande cada entrada del escalar a un arreglo constante del mismo tamaño que las entradas del arreglo. Consulte name
para ver las definiciones de A
, B
, C
y D
para cada distribución.
Tipos de datos: single
| double
D
— Cuarto parámetro de la distribución de probabilidad
valor de escalar | arreglo de valores de escalar
El cuarto parámetro de la distribución de probabilidad, especificado como un valor de escalar o un arreglo de valores de escalar.
Si uno o más de los argumentos de entrada p
, A
, B
, C
y D
son arreglos, los tamaños de los arreglos deben ser los mismos. En este caso, icdf
expande cada entrada del escalar a un arreglo constante del mismo tamaño que las entradas del arreglo. Consulte name
para ver las definiciones de A
, B
, C
y D
para cada distribución.
Tipos de datos: single
| double
pd
— Distribución de probabilidad
objeto de distribución de probabilidad
La distribución de probabilidad, especificada como uno de los objetos de distribución de probabilidad de esta tabla.
Objeto de distribución | La función o la app para crear el objeto de distribución de probabilidad |
---|---|
BetaDistribution | makedist , fitdist , Distribution Fitter |
BinomialDistribution | makedist , fitdist , Distribution Fitter |
BirnbaumSaundersDistribution | makedist , fitdist , Distribution Fitter |
BurrDistribution | makedist , fitdist , Distribution Fitter |
ExponentialDistribution | makedist , fitdist , Distribution Fitter |
ExtremeValueDistribution | makedist , fitdist , Distribution Fitter |
GammaDistribution | makedist , fitdist , Distribution Fitter |
GeneralizedExtremeValueDistribution | makedist , fitdist , Distribution Fitter |
GeneralizedParetoDistribution | makedist , fitdist , Distribution Fitter |
HalfNormalDistribution | makedist , fitdist , Distribution Fitter |
InverseGaussianDistribution | makedist , fitdist , Distribution Fitter |
KernelDistribution | fitdist , Distribution Fitter |
LogisticDistribution | makedist , fitdist , Distribution Fitter |
LoglogisticDistribution | makedist , fitdist , Distribution Fitter |
LognormalDistribution | makedist , fitdist , Distribution Fitter |
LoguniformDistribution | makedist |
MultinomialDistribution | makedist |
NakagamiDistribution | makedist , fitdist , Distribution Fitter |
NegativeBinomialDistribution | makedist , fitdist , Distribution Fitter |
NormalDistribution | makedist , fitdist , Distribution Fitter |
Una distribución por tramos con distribuciones de Pareto generalizadas en las colas | paretotails |
PiecewiseLinearDistribution | makedist |
PoissonDistribution | makedist , fitdist , Distribution Fitter |
RayleighDistribution | makedist , fitdist , Distribution Fitter |
RicianDistribution | makedist , fitdist , Distribution Fitter |
StableDistribution | makedist , fitdist , Distribution Fitter |
tLocationScaleDistribution | makedist , fitdist , Distribution Fitter |
TriangularDistribution | makedist |
UniformDistribution | makedist |
WeibullDistribution | makedist , fitdist , Distribution Fitter |
Argumentos de salida
x
— valores de la icdf
valor de escalar | arreglo de valores de escalar
Valores de la icdf, devueltos como valor de escalar o arreglo de valores de escalar. x
tiene el mismo tamaño que p
después de cualquier expansión de escalar necesaria. Cada elemento de x
es el valor de la icdf de la distribución, especificado por los elementos correspondientes de los parámetros de la distribución (A
, B
, C
y D
) o por el objeto de distribución de probabilidad (pd
), evaluado en el elemento correspondiente de p
.
Funcionalidad alternativa
icdf
es una función genérica que acepta una distribución por su nombre name
o un objeto de distribución de probabilidad pd
. Es más rápido usar una función específica de la distribución, como norminv
para la distribución normal y binoinv
para la distribución binomial. Para obtener una lista de las funciones específicas de las distribuciones, consulte Distribuciones admitidas.
Capacidades ampliadas
Generación de código C/C++
Genere código C y C++ mediante MATLAB® Coder™.
Notas y limitaciones de uso:
El argumento de entrada
name
debe ser una constante en tiempo de compilación. Por ejemplo, para utilizar la distribución normal, incluyacoder.Constant('Normal')
en el valor-args
decodegen
(MATLAB Coder).El argumento de entrada
pd
puede ser un objeto de distribución de probabilidad ajustado para distribuciones beta, exponenciales, de valores extremos, lognormales, normales y de Weibull. Creepd
ajustando una distribución de probabilidad a datos de muestra a partir de la función (fitdist
). Para ver un ejemplo, consulte Code Generation for Probability Distribution Objects.
Para obtener más información sobre la generación de código, consulte Introduction to Code Generation y General Code Generation Workflow.
Arreglos GPU
Acelere código mediante la ejecución en una unidad de procesamiento gráfico (GPU) mediante Parallel Computing Toolbox™.
Esta función es totalmente compatible con los arreglos de GPU. Para obtener más información, consulte Run MATLAB Functions on a GPU (Parallel Computing Toolbox).
Historial de versiones
Introducido antes de R2006a
Consulte también
cdf
| mle
| pdf
| random
| makedist
| fitdist
| Distribution Fitter | paretotails
Comando de MATLAB
Ha hecho clic en un enlace que corresponde a este comando de MATLAB:
Ejecute el comando introduciéndolo en la ventana de comandos de MATLAB. Los navegadores web no admiten comandos de MATLAB.
Select a Web Site
Choose a web site to get translated content where available and see local events and offers. Based on your location, we recommend that you select: .
You can also select a web site from the following list:
How to Get Best Site Performance
Select the China site (in Chinese or English) for best site performance. Other MathWorks country sites are not optimized for visits from your location.
Americas
- América Latina (Español)
- Canada (English)
- United States (English)
Europe
- Belgium (English)
- Denmark (English)
- Deutschland (Deutsch)
- España (Español)
- Finland (English)
- France (Français)
- Ireland (English)
- Italia (Italiano)
- Luxembourg (English)
- Netherlands (English)
- Norway (English)
- Österreich (Deutsch)
- Portugal (English)
- Sweden (English)
- Switzerland
- United Kingdom (English)