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

cdf

Función de distribución acumulativa

Descripción

ejemplo

y = cdf('name',x,A) Devuelve la función de distribución acumulativa (CDF) para la familia de distribución de un parámetro especificada por y el parámetro de distribución, evaluada en los valores de.'name'Ax

ejemplo

y = cdf('name',x,A,B) Devuelve la CDF para la familia de distribución de dos parámetros especificada por y los parámetros de distribución y, evaluada en los valores de.'name'ABx

y = cdf('name',x,A,B,C) Devuelve la CDF para la familia de distribución de tres parámetros especificada por y los parámetros de distribución, y, evaluada en los valores de.'name'ABCx

y = cdf('name',x,A,B,C,D) Devuelve la CDF para la familia de distribución de cuatro parámetros especificada por y los parámetros de distribución, y, evaluada en los valores de.'name'ABCDx

ejemplo

y = cdf(pd,x) Devuelve el CDF del objeto de distribución de probabilidad, evaluado en los valores de.pdx

y = cdf(___,'upper') Devuelve el complemento de la CDF mediante un algoritmo que calcula con mayor precisión las probabilidades extremas de la cola superior. puede seguir cualquiera de los argumentos de entrada en las sintaxis anteriores.'upper'

Ejemplos

contraer todo

Cree un objeto de distribución normal estándar con la media,

<math display="block">
<mrow>
<mi>μ</mi>
</mrow>
</math>
, igual a 0 y la desviación estándar,
<math display="block">
<mrow>
<mi>σ</mi>
</mrow>
</math>
, igual a 1.

mu = 0; sigma = 1; pd = makedist('Normal','mu',mu,'sigma',sigma);

Defina el vector de entrada para que contenga los valores en los que se calculará la CDF.x

x = [-2,-1,0,1,2];

Calcule los valores de CDF para la distribución normal estándar en los valores de.x

y = cdf(pd,x)
y = 1×5

    0.0228    0.1587    0.5000    0.8413    0.9772

Cada valor en corresponde a un valor en el vector de entrada.yx Por ejemplo, en el valor igual a 1, el valor de CDF correspondiente es igual a 0,8413.xy

Alternativamente, puede calcular los mismos valores de CDF sin crear un objeto de distribución de probabilidad. Utilice la función y especifique una distribución normal estándar utilizando los mismos valores de parámetro paracdf

<math display="block">
<mrow>
<mi>μ</mi>
</mrow>
</math>
Y
<math display="block">
<mrow>
<mi>σ</mi>
</mrow>
</math>
.

y2 = cdf('Normal',x,mu,sigma)
y2 = 1×5

    0.0228    0.1587    0.5000    0.8413    0.9772

Los valores de CDF son los mismos que los calculados utilizando el objeto de distribución de probabilidad.

Cree un objeto de distribución de Poisson con el parámetro Rate,

<math display="block">
<mrow>
<mi>λ</mi>
</mrow>
</math>
, igual a 2.

lambda = 2; pd = makedist('Poisson','lambda',lambda);

Defina el vector de entrada para que contenga los valores en los que se calculará la CDF.x

x = [0,1,2,3,4];

Calcule los valores de CDF para la distribución de Poisson en los valores en.x

y = cdf(pd,x)
y = 1×5

    0.1353    0.4060    0.6767    0.8571    0.9473

Cada valor en corresponde a un valor en el vector de entrada.yx Por ejemplo, en el valor igual a 3, el valor de CDF correspondiente es igual a 0,8571.xy

Alternativamente, puede calcular los mismos valores de CDF sin crear un objeto de distribución de probabilidad. Utilice la función y especifique una distribución de Poisson utilizando el mismo valor para el parámetro Rate,cdf

<math display="block">
<mrow>
<mi>λ</mi>
</mrow>
</math>
.

y2 = cdf('Poisson',x,lambda)
y2 = 1×5

    0.1353    0.4060    0.6767    0.8571    0.9473

Los valores de CDF son los mismos que los calculados utilizando el objeto de distribución de probabilidad.

Cree un objeto de distribución normal estándar.

pd = makedist('Normal')
pd =    NormalDistribution    Normal distribution        mu = 0     sigma = 1  

Especifique los valores y calcule el CDF.x

x = -3:.1:3; p = cdf(pd,x);

Trace la CDF de la distribución normal estándar.

plot(x,p)

Cree tres objetos de distribución gamma. El primero utiliza los valores de parámetro predeterminados. El segundo especifica y.a = 1b = 2 El tercero especifica y.a = 2b = 1

pd_gamma = makedist('Gamma')
pd_gamma =    GammaDistribution    Gamma distribution     a = 1     b = 1  
pd_12 = makedist('Gamma','a',1,'b',2)
pd_12 =    GammaDistribution    Gamma distribution     a = 1     b = 2  
pd_21 = makedist('Gamma','a',2,'b',1)
pd_21 =    GammaDistribution    Gamma distribution     a = 2     b = 1  

Especifique los valores y calcule la CDF para cada distribución.x

x = 0:.1:5; cdf_gamma = cdf(pd_gamma,x); cdf_12 = cdf(pd_12,x); cdf_21 = cdf(pd_21,x);

Cree un trazado para visualizar cómo cambia la CDF de la distribución gamma al especificar valores diferentes para los parámetros de la forma y.ab

figure; J = plot(x,cdf_gamma); hold on; K = plot(x,cdf_12,'r--'); L = plot(x,cdf_21,'k-.'); set(J,'LineWidth',2); set(K,'LineWidth',2); legend([J K L],'a = 1, b = 1','a = 1, b = 2','a = 2, b = 1','Location','southeast'); hold off;

Ajuste las colas de Pareto a un

<math display="block">
<mrow>
<mi>t</mi>
</mrow>
</math>
distribución en las probabilidades acumulativas 0,1 y 0,9.

t = trnd(3,100,1); obj = paretotails(t,0.1,0.9); [p,q] = boundary(obj)
p = 2×1

    0.1000
    0.9000

q = 2×1

   -1.8487
    2.0766

Calcule la CDF en los valores en.q

cdf(obj,q)
ans = 2×1

    0.1000
    0.9000

Argumentos de entrada

contraer todo

Nombre de distribución de probabilidad, especificado como uno de los nombres de distribución de probabilidad en esta tabla.

'name'DistribuciónParámetro de entradaAParámetro de entradaBParámetro de entradaCParámetro de entradaD
'Beta'Distribución betaprimer parámetro de formaasegundo parámetro de formab
'Binomial'Distribución binomialnúmero de pruebasnprobabilidad de éxito para cada ensayop
'BirnbaumSaunders'Birnbaum-Saunders Distributionparámetro de escalaβparámetro de formaγ
'Burr'Tipo de Burr XII distribuciónparámetro de escalaαprimer parámetro de formacsegundo parámetro de formak
'Chisquare'Distribución de Chi-cuadradogrados de libertadν
'Exponential'Distribución exponencialDecirμ
'Extreme Value'Distribución de valor extremoparámetro de ubicaciónμparámetro de escalaσ
'F'F distribuciónν1 grados de libertad del numeradorν2 denominador grados de libertad
'Gamma'Distribución gammaparámetro de formaaparámetro de escalab
'Generalized Extreme Value'Distribución de valor extremo generalizadoparámetro de formakparámetro de escalaσparámetro de ubicaciónμ
'Generalized Pareto'La distribución generalizada de Paretoparámetro de índice de cola (forma)kparámetro de escalaσparámetro de umbral (ubicación)μ
'Geometric'Distribución geométricaparámetro de probabilidadp
'HalfNormal'Distribución media-normalparámetro de ubicaciónμparámetro de escalaσ
'Hypergeometric'Distribución hipergeométricatamaño de la poblaciónmnúmero de elementos con la característica deseada en la poblaciónknúmero de muestras dibujadasn
'InverseGaussian'Distribución gaussiana inversaparámetro de escalaμparámetro de formaλ
'Logistic'Distribución logísticaDecirμparámetro de escalaσ
'LogLogistic'La distribución loglogísticamedia de valores logarítmicosμparámetro de escala de valores logarítmicosσ
'Lognormal'Distribución Lognormalmedia de valores logarítmicosμdesviación estándar de los valores logarítmicosσ
'Nakagami'Nakagami Distributionparámetro de formaμparámetro de escalaω
'Negative Binomial'Distribución binomial negativanúmero de éxitosrprobabilidad de éxito en una sola pruebap
'Noncentral F'La distribución F no centralν1 grados de libertad del numeradorν2 denominador grados de libertadparámetro de no centralidadδ
'Noncentral t'Distribución no central tgrados de libertadνparámetro de no centralidadδ
'Noncentral Chi-square'Distribución de Chi-cuadrado no centralgrados de libertadνparámetro de no centralidadδ
'Normal'Distribución normalDecirμ desviación estándarσ
'Poisson'Distribución de PoissonDecirλ
'Rayleigh'Rayleigh Distributionparámetro de escalab
'Rician'Distribución de Ricianparámetro de no centralidadsparámetro de escalaσ
'Stable'Distribución estableprimer parámetro de formaαsegundo parámetro de formaβparámetro de escalaγparámetro de ubicaciónδ
'T'Student ' t Distributiongrados de libertadν
'tLocationScale't distribución de escala de ubicaciónparámetro de ubicaciónμparámetro de escalaσparámetro de formaν
'Uniform'Distribución uniforme (continua)punto final inferior (mínimo)apunto final superior (máximo)b
'Discrete Uniform'Distribución uniforme (discreta)valor observable máximon
'Weibull'La distribución de Weibullparámetro de escalaaparámetro de formab

Ejemplo: 'Normal'

Valores en los que evaluar la CDF, especificadas como un valor escalar o una matriz de valores escalares.

Si uno o más de los argumentos de entrada,,, y son matrices, los tamaños de la matriz deben ser los mismos.xABCD En este caso, cdf expande cada entrada escalar en una matriz constante del mismo tamaño que las entradas de la matriz. Consulte las definiciones de,, y para cada distribución.'name'ABCD

Ejemplo: [0.1,0.25,0.5,0.75,0.9]

Tipos de datos: single | double

Primer parámetro de distribución de probabilidad, especificado como un valor escalar o una matriz de valores escalares.

Si uno o más de los argumentos de entrada,,, y son matrices, los tamaños de la matriz deben ser los mismos.xABCD En este caso, cdf expande cada entrada escalar en una matriz constante del mismo tamaño que las entradas de la matriz. Consulte las definiciones de,, y para cada distribución.'name'ABCD

Tipos de datos: single | double

Segundo parámetro de distribución de probabilidad, especificado como un valor escalar o una matriz de valores escalares.

Si uno o más de los argumentos de entrada,,, y son matrices, los tamaños de la matriz deben ser los mismos.xABCD En este caso, cdf expande cada entrada escalar en una matriz constante del mismo tamaño que las entradas de la matriz. Consulte las definiciones de,, y para cada distribución.'name'ABCD

Tipos de datos: single | double

Tercer parámetro de distribución de probabilidad, especificado como un valor escalar o una matriz de valores escalares.

Si uno o más de los argumentos de entrada,,, y son matrices, los tamaños de la matriz deben ser los mismos.xABCD En este caso, cdf expande cada entrada escalar en una matriz constante del mismo tamaño que las entradas de la matriz. Consulte las definiciones de,, y para cada distribución.'name'ABCD

Tipos de datos: single | double

Cuarto parámetro de distribución de probabilidad, especificado como un valor escalar o una matriz de valores escalares.

Si uno o más de los argumentos de entrada,,, y son matrices, los tamaños de la matriz deben ser los mismos.xABCD En este caso, cdf expande cada entrada escalar en una matriz constante del mismo tamaño que las entradas de la matriz. Consulte las definiciones de,, y para cada distribución.'name'ABCD

Tipos de datos: single | double

Distribución de probabilidad, especificada como un objeto de distribución de probabilidad creado con una función o aplicación en esta tabla.

Función o aplicaciónDescripción
makedistCree un objeto de distribución de probabilidad utilizando valores de parámetro especificados.
fitdistAjuste un objeto de distribución de probabilidad a datos de ejemplo.
Distribución FitterAjuste una distribución de probabilidad a los datos de muestra mediante la aplicación interactiva de distribución de distribuciones y exporte el objeto ajustado al espacio de trabajo.
paretotailsCree un objeto de distribución por tramos que tenga distribuciones de Pareto generalizadas en las colas.

Argumentos de salida

contraer todo

valores de CDF, devueltos como un valor escalar o una matriz de valores escalares. es del mismo tamaño que después de cualquier expansión escalar necesaria.yx Cada elemento de es el valor CDF de la distribución, especificado por los elementos correspondientes en los parámetros de distribución (,, y) o el objeto de distribución de probabilidad (), evaluado en el elemento correspondiente.yABCDpdx

Funcionalidad alternativa

  • es una función genérica que acepta una distribución por su nombre o un objeto de distribución de probabilidad.cdf'name'pd Es más rápido utilizar una función específica de la distribución, como por ejemplo para la distribución normal y para la distribución binomial.normcdfbinocdf Para obtener una lista de funciones específicas de la distribución, consulte.Distribuciones admitidas

  • Utilice la aplicación para crear una gráfica interactiva de la función de distribución acumulativa (CDF) o la función de densidad de probabilidad (pdf) para una distribución de probabilidad.Función de distribución de probabilidad

Capacidades ampliadas

Introducido antes de R2006a