Distribución gaussiana inversa

Ajuste, evalúe y genere muestras aleatorias a partir de una distribución gaussiana inversa

Statistics and Machine Learning Toolbox™ ofrece varias formas de trabajar con la distribución gaussiana inversa.

Cree un objeto InverseGaussianDistribution y utilice funciones del objeto InverseGaussianDistribution.
Utilice las funciones de distribución genéricas con el nombre de distribución "InverseGaussian" especificado y los parámetros correspondientes.

Para obtener información sobre la distribución gaussiana inversa, consulte Distribución gaussiana inversa.

Funciones

`makedist`	Crear un objeto de distribución de probabilidad
`fitdist`	Ajustar un objeto de distribución de probabilidad a datos
`distributionFitter`	Abrir la app Distribution Fitter

`cdf`	Función de distribución acumulativa
`gather`	Gather properties of Statistics and Machine Learning Toolbox object from GPU (desde R2020b)
`icdf`	Función de distribución acumulativa inversa
`iqr`	Interquartile range of probability distribution
`mean`	Media de la distribución de probabilidad
`median`	Median of probability distribution
`negloglik`	Negative loglikelihood of probability distribution
`paramci`	Intervalos de confianza para los parámetros de la distribución de probabilidad
`pdf`	Función de densidad de probabilidad
`plot`	Plot probability distribution object (desde R2022b)
`proflik`	Profile likelihood function for probability distribution
`random`	Números aleatorios
`std`	Desviación estándar de la distribución de probabilidad
`truncate`	Truncar objeto de distribución de probabilidad
`var`	Varianza de la distribución de probabilidad

`cdf`	Función de distribución acumulativa
`icdf`	Función de distribución acumulativa inversa
`pdf`	Función de densidad de probabilidad
`random`	Números aleatorios
`mle`	Maximum likelihood estimates

InverseGaussianDistribution Objeto de distribución de probabilidad gaussiana inversa

Distribución gaussiana inversa
La distribución gaussiana inversa, también conocida como distribución de Wald, se utiliza para modelar datos no negativos con sesgo positivo.