ksdensity を使用したグループ化データへの分布の当てはめ

この例では、関数 ksdensity を使用してカーネル分布をグループ化された標本データに当てはめる方法を示します。

手順 1. 標本データを読み込む。

標本データを読み込みます。

load carsmall

データには、さまざまな車種およびモデルのガロンあたりの走行マイル数 (MPG) の測定値が格納され、生産国 (Origin)、モデル年 (Model_Year)、その他の車両の特性によってグループ化されています。

手順 2. 標本データを生産国別にグループ化する。

米国、日本およびドイツで生産された車について、MPG データを生産国 (Origin) によってグループ化します。

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

手順 3. pdf を計算してプロットする。

各グループの pdf を計算してプロットします。

[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

プロットは、ガロンあたりの走行マイル数 (MPG) の性能が生産国 (Origin) によってどう異なるのかを示しています。このデータを使用すると、3 か国の中で米国の分布が最も広く、また分布のピークが最も低い MPG 値となります。日本は 3 か国の中で最も規則的な分布をしていて、左裾が若干大きくなっています。MPG 値のピークも日本が最も高くなっています。ドイツのピークは米国と日本の間にあり、ガロンあたり 44 マイル付近の 2 番目の山はデータ内に複数の最頻値がある可能性を示しています。

参考

ksdensity | fitdist | KernelDistribution

関連するトピック

• カーネル分布
• グループ化変数
• ksdensity を使用したカーネル分布の当てはめ
• 確率分布オブジェクトのグループ化されたデータへの当てはめ