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

ecdfhist

Histograma basado en la función de distribución acumulativa empírica

Descripción

ejemplo

[n,c] = ecdfhist(f,x) Devuelve las alturas, de las barras del histograma para 10 bins igualmente espaciados y la posición de los centros de ubicación,.nc

calcula las alturas de barra de los aumentos en la función de distribución acumulativa empírica, en los puntos de evaluación,.ecdfhistfx Normaliza las alturas de las barras para que el área del histograma sea igual a 1. Por el contrario, produce barras con alturas que representan los recuentos de bin.histogram

ejemplo

[n,c] = ecdfhist(f,x,m) Devuelve las barras del histograma mediante bins.m

ejemplo

n = ecdfhist(f,x,centers) Devuelve las alturas de las barras del histograma con los centros de ubicación especificados por.centers

ejemplo

ecdfhist(___) traza las barras del histograma.

Ejemplos

contraer todo

Calcule las alturas de la barra del histograma según la función de distribución acumulativa empírica.

Genere tiempos de fracaso de una distribución Birnbaum-Saunders.

rng('default') % for reproducibility failuretime = random('birnbaumsaunders',0.3,1,100,1);

Suponiendo que el final del estudio es en el tiempo 0,9, marque los tiempos de falla generados que son más grandes que 0,9 como datos censurados y almacene esa información en un vector.

T = 0.9; cens = (failuretime>T);

Calcule la función de distribución acumulativa empírica para los datos.

[f,x] = ecdf(failuretime,'censoring',cens);

Ahora, encuentre las alturas de la barra del histograma usando la estimación de la función de distribución acumulativa.

[n,c] = ecdfhist(f,x); [n' c']
ans = 10×2

    2.3529    0.0715
    1.7647    0.1565
    1.4117    0.2415
    1.5294    0.3265
    1.0588    0.4115
    0.4706    0.4965
    0.4706    0.5815
    0.9412    0.6665
    0.2353    0.7515
    0.2353    0.8365

Calcule las alturas de barra para seis bins utilizando la función de distribución acumulativa empírica y devuelva también los centros de ubicación.

Genere tiempos de fracaso de una distribución Birnbaum-Saunders.

rng('default') % for reproducibility failuretime = random('birnbaumsaunders',0.3,1,100,1);

Suponiendo que el final del estudio es en el tiempo 0,9, marque los tiempos de falla generados que son más grandes que 0,9 como datos censurados y almacene esa información en un vector.

T = 0.9; cens = (failuretime>T);

En primer lugar, calcule la función de distribución acumulativa empírica para los datos.

[f,x] = ecdf(failuretime,'censoring',cens);

Ahora, calcule el histograma con seis bins utilizando la estimación de la función de distribución acumulativa.

[n,c] = ecdfhist(f,x,6); [n' c']
ans = 6×2

    1.9764    0.0998
    1.7647    0.2415
    1.1294    0.3831
    0.4235    0.5248
    0.7764    0.6665
    0.2118    0.8081

Dibuje el histograma del histograma de distribución acumulativa empírico para los centros de ubicación especificados.

Genere tiempos de fracaso de una distribución Birnbaum-Saunders.

rng default;  % For reproducibility failuretime = random('birnbaumsaunders',0.3,1,100,1);

Suponiendo que el final del estudio es en el tiempo 0,9, marque los tiempos de falla generados que son más grandes que 0,9 como datos censurados y almacene esa información en un vector.

T = 0.9; cens = (failuretime>T);

Definir centros de ubicación.

centers = 0.1:0.1:1;

Calcule la función de distribución acumulativa empírica para los datos y dibuje el histograma para centros de ubicación especificados.

[f,x] = ecdf(failuretime,'censoring',cens); ecdfhist(f,x,centers) axis([0 1 0 2.5])

Genere datos de supervivencia censurados a la derecha y compare el histograma de la función de distribución acumulativa con la función de distribución de probabilidad conocida.

Genere tiempos de falla a partir de una distribución exponencial con un tiempo medio de falla de 15.

rng default; % For reproducibility y = exprnd(15,75,1);

Genere tiempos de entrega desde una distribución exponencial con un tiempo de falla medio de 30.

d = exprnd(30,75,1);

Registre el mínimo de estos tiempos como los tiempos de falla observados.

t = min(y,d);

Genere la censura encontrando los tiempos de falla generados que son mayores que los tiempos de descenso.

censored = (y>d);

Calcule el CDF empírico y trace un histograma utilizando la función de distribución acumulativa empírica.

[f,x] = ecdf(t,'censoring',censored); ecdfhist(f,x) h = findobj(gca,'Type','patch'); h.FaceColor = [.8 .8 1]; hold on

Superponer una parcela de la población conocida PDF.

xx = 0:.1:max(t); yy = exp(-xx/15)/15; plot(xx,yy,'r-','LineWidth',2) hold off

Argumentos de entrada

contraer todo

Valores de CDF empíricos en puntos de evaluación dados, especificados como vector.x

Por ejemplo, puede utilizar para obtener los valores de CDF empíricos e introducirlos de la siguiente manera.ecdfecdfhist

Ejemplo: [f,x] = ecdf(failure); ecdfhist(f,x);

Tipos de datos: single | double

Puntos de evaluación en los que se calculan los valores CDF empíricos, que se especifican como vector.f

Por ejemplo, puede utilizar para obtener los valores de CDF empíricos e introducirlos de la siguiente manera.ecdfecdfhist

Ejemplo: [f,x] = ecdf(failure); ecdfhist(f,x);

Tipos de datos: single | double

Número de bins, especificado como un escalar.

Por ejemplo, puede dibujar un histograma con 8 bins como se indica a continuación.

Ejemplo: ecdfhist(f,x,8)

Tipos de datos: single | double

Puntos centrales de bins, especificados como un vector.

Ejemplo: centers = 2:2:10; ecdfhist(f,x,centers);

Tipos de datos: single | double

Argumentos de salida

contraer todo

Las alturas de las barras del histograma se calculan en función de los valores CDF empíricos, devueltos como un vector de fila.ecdfhist

Posición de los centros de ubicación, devueltos como un vector de fila.

Introducido antes de R2006a