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

Ajuste las distribuciones a los datos agrupados mediante ksdensity

En este ejemplo se muestra cómo ajustar las distribuciones del kernel a los datos de ejemplo agrupados mediante la función.ksdensity

Paso 1. Cargue datos de muestra.

Cargue los datos de ejemplo.

load carsmall

Los datos contienen las mediciones de millas por galón () para las diferentes marca y modelos de automóviles, agrupados por país de origen (), año del modelo () y otras características del vehículo.MPGOriginModel_Year

Paso 2. Agrupar datos de muestra por origen.

Agrupe los datos por origen () para automóviles fabricados en Estados Unidos, Japón y Alemania.MPGOrigin

Origin = categorical(cellstr(Origin)); MPG_USA = MPG(Origin=='USA'); MPG_Japan = MPG(Origin=='Japan'); MPG_Germany = MPG(Origin=='Germany');

Paso 3. Calcule y trace el pdf.

Calcule y trace el PDF para cada grupo.

[fi,xi] = ksdensity(MPG_USA); plot(xi,fi,'r-') hold on  [fj,xj] = ksdensity(MPG_Japan); plot(xj,fj,'b-.')  [fk,xk] = ksdensity(MPG_Germany); plot(xk,fk,'k:')  legend('USA','Japan','Germany') title('MPG by Origin') xlabel('MPG') hold off

La gráfica muestra cómo el rendimiento de millas por galón () difiere según el país de origen ().MPGOrigin Utilizando estos datos, Estados Unidos tiene la distribución más amplia, y su pico es el valor más bajo de los tres orígenes.MPG Japón tiene la distribución más regular con una cola izquierda ligeramente más pesada, y su pico es el valor más alto de los tres orígenes.MPG El pico para Alemania es entre los EE.UU. y Japón, y el segundo bulto cerca de 44 millas por galón sugiere que podría haber varios modos en los datos.

Consulte también

| |

Temas relacionados