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

histfit

Histograma con un ajuste de distribución

Descripción

ejemplo

histfit(data) traza un histograma de valores en el uso del número de bins igual a la raíz cuadrada del número de elementos en y se ajusta a una función de densidad normal.datadata

ejemplo

histfit(data,nbins) traza un histograma utilizando bins y se adapta a una función de densidad normal.nbins

ejemplo

histfit(data,nbins,dist) traza un histograma con bins y ajusta una función de densidad de la distribución especificada por.nbinsdist

ejemplo

h = histfit(___) Devuelve un vector de identificadores, donde es el identificador del histograma y es el identificador de la curva de densidad.hh(1)h(2) Puede incluir cualquiera de los argumentos de entrada en sintaxis anteriores.

Ejemplos

contraer todo

Genere una muestra del tamaño 100 de una distribución normal con la media 10 y la varianza 1.

rng default; % For reproducibility r = normrnd(10,1,100,1);

Construya un histograma con un ajuste de distribución normal.

histfit(r)

utiliza para ajustar una distribución a los datos.histfitfitdist Se utiliza para obtener los parámetros utilizados en el ajuste.fitdist

pd = fitdist(r,'Normal')
pd =    NormalDistribution    Normal distribution        mu = 10.1231   [9.89244, 10.3537]     sigma =  1.1624   [1.02059, 1.35033]  

Los intervalos junto a las estimaciones del parámetro son los intervalos de confianza del 95% para los parámetros de distribución.

Genere una muestra del tamaño 100 de una distribución normal con la media 10 y la varianza 1.

rng default; % For reproducibility r = normrnd(10,1,100,1);

Construya un histograma usando seis bandejas con un ajuste de distribución normal.

histfit(r,6)

Genere una muestra de tamaño 100 a partir de una distribución beta con parámetros (3, 10).

rng default;  % For reproducibility b = betarnd(3,10,100,1);

Construya un histograma usando 10 bins con un ajuste de distribución beta.

histfit(b,10,'beta')

Genere una muestra de tamaño 100 a partir de una distribución beta con parámetros (3, 10).

rng default;  % For reproducibility b = betarnd(3,10,[100,1]);

Construya un histograma usando 10 bins con ajuste de función de suavizado.

histfit(b,10,'kernel')

Genere una muestra del tamaño 100 de una distribución normal con la media 10 y la varianza 1.

rng default % for reproducibility r = normrnd(10,1,100,1);

Construya un histograma con un ajuste de distribución normal.

h = histfit(r,10,'normal')

h =    2x1 graphics array:    Bar   Line  

Cambie los colores de la barra del histograma.

h(1).FaceColor = [.8 .8 1];

Cambie el color de la curva de densidad.

h(2).Color = [.2 .2 .2];

Argumentos de entrada

contraer todo

Datos de entrada, especificados como un vector.

Ejemplo: data = [1.5 2.5 4.6 1.2 3.4]

Ejemplo: data = [1.5 2.5 4.6 1.2 3.4]'

Tipos de datos: double | single

Número de bins para el histograma, especificado como un entero positivo. El valor predeterminado es la raíz cuadrada del número de elementos en, redondeado hacia arriba.data Utilice [] para el número predeterminado de bins al ajustar una distribución.

Ejemplo: y = histfit (x, 8)

Ejemplo: y = histfit (x, 10, ' gamma ')

Ejemplo: y = histfit (x, [], ' Weibull ')

Tipos de datos: double | single

Distribución que se ajusta al histograma, especificada como un vector de caracteres o un escalar de cadena. En la tabla siguiente se muestran las distribuciones admitidas.

distDescripción
'beta'Beta
'birnbaumsaunders'Birnbaum-Saunders
'burr'Burr tipo XII
'exponential'Exponencial
O'extreme value''ev'El valor extremo
'gamma'Gamma
O'generalized extreme value''gev'El valor extremo generalizado
O'generalized pareto''gp'Pareto generalizado (umbral 0)
'inversegaussian'Gaussiano inverso
'logistic'Logística
'loglogistic'Loglogística
'lognormal'Lognormal
'nakagami'Nakagami
O'negative binomial''nbin'Binomio negativo
'normal'Normal
'poisson'Poisson
'rayleigh'Rayleigh
'rician'Canal
'tlocationscale't Location-Scale
O'weibull''wbl'Weibull
'kernel'Distribución de suavizado de kernel no paramétrico. La densidad se evalúa en 100 puntos igualmente espaciados que cubren el rango de los datos en.data Funciona mejor con muestras distribuidas continuamente.

Argumentos de salida

contraer todo

Identificadores para el trazado, devueltos como un vector, donde es el identificador del histograma y es el identificador de la curva de densidad. Normaliza la densidad para que coincida con el área total bajo la curva con la del histograma.h(1)h(2)histfit

Algoritmos

utiliza para ajustar una distribución a los datos.histfitfitdist Se utiliza para obtener los parámetros utilizados en el ajuste.fitdist

Introducido antes de R2006a