ドキュメンテーション

最新のリリースでは、このページがまだ翻訳されていません。 このページの最新版は英語でご覧になれます。

cdf

構文

y = cdf('name',x,A)
y = cdf('name',x,A,B)
y = cdf('name',x,A,B,C)
y = cdf('name',x,A,B,C,D)
y = cdf(pd,x)
y = cdf(___,'upper')

説明

y = cdf('name',x,A) は、'name' および分布パラメーター A で指定された 1 パラメーターの分布族について、x の各値で評価した累積分布関数 (cdf) を返します。

y = cdf('name',x,A,B) は、'name' と分布パラメーター A および B で指定された 2 パラメーターの分布族について、x の各値で評価した cdf を返します。

y = cdf('name',x,A,B,C) は、'name' と分布パラメーター AB および C で指定された 3 パラメーターの分布族について、x の各値で評価した cdf を返します。

y = cdf('name',x,A,B,C,D) は、'name' と分布パラメーター ABC および D で指定された 4 パラメーターの分布族について、x の各値で評価した cdf を返します。

y = cdf(pd,x) は、x の各値で評価した確率分布オブジェクト pd の cdf を返します。

y = cdf(___,'upper') は、極端な上裾の確率をより正確に計算するアルゴリズムを使用して cdf の補数を返します。'upper' は、前の構文のどの入力引数にも従うことができます。

すべて折りたたむ

平均 が 0、標準偏差 が 1 に等しい標準正規分布オブジェクトを作成します。

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

cdf を計算する値が含まれている入力ベクトル x を定義します。

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

x の値における標準正規分布の cdf 値を計算します。

y = cdf(pd,x)
y = 1×5

    0.0228    0.1587    0.5000    0.8413    0.9772

y の各値は、入力ベクトル x の値に対応しています。たとえば、x 値が 1 の場合、対応する cdf 値 y は 0.8413 です。

また、確率分布オブジェクトを作成せずに同じ cdf 値を計算することもできます。関数 cdf を使用し、 について同じパラメーター値を使用して標準正規分布を指定します。

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

    0.0228    0.1587    0.5000    0.8413    0.9772

cdf の値は、確率分布オブジェクトを使用して計算した値と同じです。

レート パラメーター が 2 に等しいポアソン分布オブジェクトを作成します。

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

cdf を計算する値が含まれている入力ベクトル x を定義します。

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

x の値におけるポアソン分布の cdf 値を計算します。

y = cdf(pd,x)
y = 1×5

    0.1353    0.4060    0.6767    0.8571    0.9473

y の各値は、入力ベクトル x の値に対応しています。たとえば、x 値が 3 の場合、対応する cdf 値 y は 0.8571 です。

また、確率分布オブジェクトを作成せずに同じ cdf 値を計算することもできます。関数 cdf を使用し、レート パラメーター について同じ値を使用してポアソン分布を指定します。

y2 = cdf('Poisson',x,lambda)
y2 = 1×5

    0.1353    0.4060    0.6767    0.8571    0.9473

cdf の値は、確率分布オブジェクトを使用して計算した値と同じです。

標準正規分布オブジェクトを作成します。

pd = makedist('Normal')
pd = 
  NormalDistribution

  Normal distribution
       mu = 0
    sigma = 1

x 値を指定し、累積分布関数を計算します。

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

標準正規分布の累積分布関数をプロットします。

plot(x,cdf_normal,'LineWidth',2)

3 つのガンマ分布オブジェクトを作成します。1 つ目では、既定のパラメーター値を使用します。2 つ目では、a = 1b = 2 を指定します。3 つ目では、a = 2b = 1 を指定します。

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

x 値を指定し、各分布の累積分布関数を計算します。

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

形状パラメーター a および b に異なる値を指定する場合は、プロットを作成してガンマ分布の累積分布関数の変化を可視化します。

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;

0.1 および 0.9 という累積確率でパレート分布の裾を 分布にあてはめます。

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

q の値での累積分布関数を計算します。

cdf(obj,q)
ans = 2×1

    0.1000
    0.9000

入力引数

すべて折りたたむ

確率分布名。次の表のいずれかの確率分布名を指定します。

name分布入力パラメーター A入力パラメーター B入力パラメーター C入力パラメーター D
'Beta'ベータ分布a: 1 番目の形状パラメーターb: 2 番目の形状パラメーター
'Binomial'二項分布n: 試行回数p: それぞれの試行での成功の確率
'BirnbaumSaunders'バーンバウム・サンダース分布β: スケール パラメーターγ: 形状パラメーター
'Burr'ブール型 XII 分布α: スケール パラメーターc: 1 番目の形状パラメーターk: 2 番目の形状パラメーター
'Chisquare'カイ二乗分布ν: 自由度
'Exponential'指数分布μ: 平均値
'Extreme Value'極値分布μ: 位置パラメーターσ: スケール パラメーター
'F'F 分布ν1: 分子の自由度ν2: 分母の自由度
'Gamma'ガンマ分布a: 形状パラメーターb: スケール パラメーター
'Generalized Extreme Value'一般化極値分布k: 形状パラメーターσ: スケール パラメーターμ: 位置パラメーター
'Generalized Pareto'一般化パレート分布k: テール インデックス (形状) パラメーターσ: スケール パラメーターμ: しきい値 (位置) パラメーター
'Geometric'幾何分布p: 確率パラメーター
'HalfNormal'半正規分布μ: 位置パラメーターσ: スケール パラメーター
'Hypergeometric'超幾何分布m: 母集団のサイズk: 母集団内で対象となる特徴をもつ個体の数n: 取り出された標本の数
'InverseGaussian'逆ガウス分布μ: スケール パラメーターλ: 形状パラメーター
'Logistic'ロジスティック分布μ: 平均値σ: スケール パラメーター
'LogLogistic'対数ロジスティック分布μ: 対数値の平均σ: 対数値のスケール パラメーター
'Lognormal'対数正規分布μ: 対数値の平均σ: 対数値の標準偏差
'Nakagami'仲上分布μ: 形状パラメーターω: スケール パラメーター
'Negative Binomial'負の二項分布r: 成功の回数p: 1 回の試行での成功の確率
'Noncentral F'非心 F 分布ν1: 分子の自由度ν2: 分母の自由度δ: 非心度パラメーター
'Noncentral t'非心 t 分布ν: 自由度δ: 非心度パラメーター
'Noncentral Chi-square'非心カイ二乗分布ν: 自由度δ: 非心度パラメーター
'Normal'正規分布μ: 平均値σ: 標準偏差
'Poisson'ポアソン分布λ: 平均値
'Rayleigh'レイリー分布b: スケール パラメーター
'Rician'ライス分布s: 非心度パラメーターσ: スケール パラメーター
'Stable'安定分布α: 1 番目の形状パラメーターβ: 2 番目の形状パラメーターγ: スケール パラメーターδ: 位置パラメーター
'T'スチューデントの t 分布ν: 自由度
'tLocationScale't 位置-スケール分布μ: 位置パラメーターσ: スケール パラメーターν: 形状パラメーター
'Uniform'一様分布 (連続)a: 下限端点 (最小)b: 上限端点 (最大)
'Discrete Uniform'一様分布 (離散)n: 最大観測可能値
'Weibull'ワイブル分布a: スケール パラメーターb: 形状パラメーター

例: 'Normal'

cdf を評価する値。スカラー値またはスカラー値の配列を指定します。

入力引数 xABC および D の 1 つ以上が配列である場合、配列のサイズは同じでなければなりません。この場合、cdf は配列入力と同じサイズの定数配列に各スカラー入力を拡張します。

例: [0.1,0.25,0.5,0.75,0.9]

データ型: single | double

1 番目の確率分布パラメーター。スカラー値またはスカラー値の配列を指定します。

入力引数 xABC および D の 1 つ以上が配列である場合、配列のサイズは同じでなければなりません。この場合、cdf は配列入力と同じサイズの定数配列に各スカラー入力を拡張します。

データ型: single | double

2 番目の確率分布パラメーター。スカラー値またはスカラー値の配列を指定します。

入力引数 xABC および D の 1 つ以上が配列である場合、配列のサイズは同じでなければなりません。この場合、cdf は配列入力と同じサイズの定数配列に各スカラー入力を拡張します。

データ型: single | double

3 番目の確率分布パラメーター。スカラー値またはスカラー値の配列を指定します。

入力引数 xABC および D の 1 つ以上が配列である場合、配列のサイズは同じでなければなりません。この場合、cdf は配列入力と同じサイズの定数配列に各スカラー入力を拡張します。

データ型: single | double

4 番目の確率分布パラメーター。スカラー値またはスカラー値の配列を指定します。

入力引数 xABC および D の 1 つ以上が配列である場合、配列のサイズは同じでなければなりません。この場合、cdf は配列入力と同じサイズの定数配列に各スカラー入力を拡張します。

データ型: single | double

確率分布。次の表の関数またはアプリで作成した確率分布オブジェクトを指定します。

関数またはアプリ説明
makedist指定されたパラメーター値を使用して確率分布オブジェクトを作成します。
fitdist確率分布オブジェクトを標本データにあてはめます。
Distribution Fitter対話型の Distribution Fitter アプリを使用して確率分布を標本データにあてはめ、あてはめたオブジェクトをワークスペースにエクスポートします。
paretotails裾が一般化パレート分布になっている区分的分布オブジェクトを作成します。

出力引数

すべて折りたたむ

cdf の値。スカラー値またはスカラー値の配列として返されます。y は、必要なスカラー拡張後の x と同じサイズになります。y の各要素は、分布パラメーター (ABC、および D) 内の対応する要素または確率分布オブジェクト (pd) によって指定される分布の cdf 値で、x 内の対応する要素で評価されています。

代替機能

  • cdf は、名前 'name' によって指定された分布、または確率分布オブジェクト pd のいずれも受け入れる汎用関数です。正規分布の場合は normcdf、二項分布の場合は binocdf など、分布特有の関数を使用する方が高速です。分布特有の関数の一覧については、サポートされている分布を参照してください。

  • 確率分布の累積分布関数 (cdf) または確率密度関数 (pdf) のプロットを対話的に作成するには、確率分布関数アプリを使用します。

拡張機能

R2006a より前に導入