このページの翻訳は最新ではありません。ここをクリックして、英語の最新版を参照してください。

icdf

逆累積分布関数

構文

x = icdf('name',p,A)

x = icdf('name',p,A,B)

x = icdf('name',p,A,B,C)

x = icdf('name',p,A,B,C,D)

x = icdf(pd,p)

説明

x = icdf('name',p,A) は、'name' および分布パラメーター A で指定された 1 パラメーター分布族について、p の確率値で評価した累積分布逆関数 (icdf) を返します。

x = icdf('name',p,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、p の確率値で評価した icdf を返します。

x = icdf('name',p,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、p の確率値で評価した icdf を返します。

x = icdf('name',p,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、p の確率値で評価した icdf を返します。

x = icdf(pd,p) は、p の確率値で評価した、確率分布オブジェクト pd の icdf 関数を返します。

例

正規分布 icdf の計算

平均 $$\mu$$ が 0、標準偏差 $$\sigma$$ 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);

入力ベクトル p を定義して、icdf を計算する確率値を格納します。

p = [0.1,0.25,0.5,0.75,0.9];

p の値における標準正規分布の icdf 値を計算します。

x = icdf(pd,p)

x = 1×5

   -1.2816   -0.6745         0    0.6745    1.2816

x の各値は、入力ベクトル p の値に対応しています。たとえば、p の値が 0.9 である場合、対応する icdf 値 x は 1.2816 です。

また、確率分布オブジェクトを作成せずに同じ icdf 値を計算することもできます。関数 icdf を使用し、$$\mu$$ と $$\sigma$$ 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。

x2 = icdf('Normal',p,mu,sigma)

x2 = 1×5

   -1.2816   -0.6745         0    0.6745    1.2816

icdf の値は、確率分散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 icdf の計算

レート パラメーター $$\lambda$$ 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);

入力ベクトル p を定義して、icdf を計算する確率値を格納します。

p = [0.1,0.25,0.5,0.75,0.9];

p の値におけるポアソン分布の icdf 値を計算します。

x = icdf(pd,p)

x = 1×5

     0     1     2     3     4

x の各値は、入力ベクトル p の値に対応しています。たとえば、p の値が 0.9 である場合、対応する icdf 値 x は 4 です。

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

x2 = icdf('Poisson',p,lambda)

x2 = 1×5

     0     1     2     3     4

icdf の値は、確率分散オブジェクトを使用して計算した値と同じです。

標準正規分布の棄却限界値を計算する

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

上限および下限の 2.5% の値を計算して、標準正規分布をもつ検定統計量の有意水準 5% における棄却限界値を判定します。

x = icdf(pd,[.025,.975])

x = 1×2

   -1.9600    1.9600

累積分布関数をプロットして棄却限界を塗りつぶします。

p = normspec(x,0,1,'outside')

p = 0.0500

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

例: 'Normal'

p — icdf を評価する確率値

スカラー値 | スカラー値の配列

icdf を評価する確率値。範囲 [0,1] の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 p、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、icdf 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。各分布の A、B、C および D の定義については、'name' を参照してください。

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 p、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、icdf 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。各分布の A、B、C および D の定義については、'name' を参照してください。

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 p、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、icdf 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。各分布の A、B、C および D の定義については、'name' を参照してください。

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 p、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、icdf 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。各分布の A、B、C および D の定義については、'name' を参照してください。

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 p、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、icdf 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。各分布の A、B、C および D の定義については、'name' を参照してください。

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

x — icdf の値

スカラー値 | スカラー値の配列

icdf 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。x は、必要なスカラー拡張後の p と同じサイズになります。x 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 icdf 値で、p 内の対応する要素で評価されています。

代替機能

icdf 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 norminv、二項分布の場合は binoinv 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。

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。

使用上の注意事項および制限事項:

• 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 (MATLAB Coder) の -args の値に含めます。

• 入力引数 pd は、ベータ分布、指数分布、極値分布、対数正規分布、正規分布、ワイブル分布の近似確率分布オブジェクトとなります。確率分布を関数 fitdist の標本データにあてはめることで、pd を作成します。たとえば、確率分布オブジェクトのコードの生成を参照してください。

コード生成の詳細については、コード生成の紹介および一般的なコード生成のワークフローを参照してください。

参考

cdf | mle | pdf | random | makedist | fitdist | Distribution Fitter | paretotails

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

×

例を開く

この例の変更されたバージョンがあります。編集された方の例を開きますか?

いいえ、変更されたバージョンを上書きします。 はい