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

累積分布関数

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 A、B 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 A、B、C 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。

例

正規分布の累積分布関数の計算

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、 と 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。

ポアソン分布の累積分布関数の計算

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。

標準正規分布の累積分布関数のプロット

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)

ガンマ分布の累積分布関数のプロット

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 = 1 と b = 2 を指定します。3 つ目では、a = 2 と b = 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;

t 分布へのパレート分布の裾のあてはめと cdf の計算

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

'name' — 確率分布名

文字ベクトルまたは string スカラーによる確率分布名

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'

x — cdf を評価する値

スカラー値 | スカラー値の配列

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 x、A、B、C 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

A — 1 番目の確率分布パラメーター

スカラー値 | スカラー値の配列

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 x、A、B、C 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

B — 2 番目の確率分布パラメーター

スカラー値 | スカラー値の配列

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 x、A、B、C 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

C — 3 番目の確率密度パラメーター

スカラー値 | スカラー値の配列

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 x、A、B、C 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

D — 4 番目の確率分布パラメーター

スカラー値 | スカラー値の配列

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 x、A、B、C 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

pd — 確率分布

確率分布オブジェクト

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

y — 累積分布関数値

スカラー値 | スカラー値の配列

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 (A、B、C、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

C/C++ コード生成

MATLAB® Coder™ を使用して C および C++ コードを生成します。

使用上の注意および制限

• 入力引数 'name' はコンパイル時の定数でなければなりません。たとえば、正規分布を使用するには、coder.Constant('Normal') を codegen の -args の値に含めます。

• コード生成では、確率分布オブジェクト (pd) の入力引数はサポートされません。

参考

Distribution Fitter | ecdf | fitdist | icdf | makedist | mle | paretotails | pdf | random

トピック

• 確率分布の操作
• サポートされている分布

R2006a より前に導入