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。

PiecewiseLinearDistribution

区分的線形確率分布オブジェクト

説明

PiecewiseLinearDistribution オブジェクトは、区分的線形確率分布のモデルの説明から構成されます。

区分的線形分布は、累積分布関数 (cdf) の区分的線形表現を使って作成されるノンパラメトリック確率分布です。区分的線形分布に指定されるオプションで、累積分布関数の形式が指定されます。確率密度関数 (pdf) はステップ関数です。

区分線形分布は、次のパラメーターを使用します。

パラメーター説明
x累積分布関数が勾配を変更する x 値のベクトル
Fxx の各値に対応する累積分布関数のベクトル

作成

makedist を使用してパラメーター値を指定したオブジェクトにより、PiecewiseLinearDistribution 確率分布を作成します。

プロパティ

すべて展開する

分布パラメーター

累積分布関数 (cdf) によって勾配が変化するデータ値。スカラー値のベクトルとして指定します。

データ型: single | double

x の各値における累積分布関数値。スカラー値のベクトルを指定します。

データ型: single | double

分布特性

このプロパティは読み取り専用です。

分布の打ち切りについての論理フラグ。論理値を指定します。IsTruncated0 である場合、分布は打ち切られません。IsTruncated1 である場合、分布は打ち切られます。

データ型: logical

このプロパティは読み取り専用です。

確率分布のパラメーターの個数。正の整数値を指定します。

データ型: double

このプロパティは読み取り専用です。

分布パラメーター値。ベクトルを指定します。

データ型: single | double

このプロパティは読み取り専用です。

確率分布の打ち切り区間。打ち切りの上限と下限を含むベクトルを指定します。

データ型: single | double

その他のオブジェクト プロパティ

このプロパティは読み取り専用です。

確率分布名。文字ベクトルを指定します。

データ型: char

このプロパティは読み取り専用です。

分布パラメーターの説明。文字ベクトルの cell 配列を指定します。各セルに、1 つの分布パラメーターの簡単な説明が含まれます。

データ型: char

このプロパティは読み取り専用です。

分布パラメーター名。文字ベクトルの cell 配列を指定します。

データ型: char

オブジェクト関数

cdf累積分布関数
icdf累積分布逆関数
iqr四分位数間範囲
mean確率分布の平均
median確率分布の中央値
pdf確率密度関数
random乱数
std確率分布の標準偏差
truncate確率分布オブジェクトの打ち切り
var確率分布の分散

すべて折りたたむ

既定のパラメーター値を使用して区分的線形分布オブジェクトを作成します。

pd = makedist('PiecewiseLinear')
pd = 
  PiecewiseLinearDistribution

F(0) = 0
F(1) = 1

標本データを読み込みます。ヒストグラムを使用して患者の体重データを可視化します。

load hospital
histogram(hospital.Weight)

ヒストグラムは、データに女性の患者と男性の患者に 1 つずつ 2 つの最頻値があることを示しています。

データの経験的累積分布関数 (ecdf) を計算します。

[f,x] = ecdf(hospital.Weight);

経験累積分布関数の区分的線形近似を構成し、両方の関数をプロットします。

f = f(1:5:end); % keep a less dense grid of points
x = x(1:5:end);

figure;
ecdf(hospital.Weight)
hold on
plot(x,f,'ro','MarkerFace','r') % overlay grid
plot(x,f,'k') % show interpolation

経験累積分布関数の区分的近似を使用して、区分的線形確率分布オブジェクトを作成します。

pd = makedist('PiecewiseLinear','x',x,'Fx',f)
pd = 
  PiecewiseLinearDistribution

F(111) = 0
F(118) = 0.05
F(124) = 0.13
F(130) = 0.25
F(135) = 0.37
F(142) = 0.5
F(163) = 0.55
F(171) = 0.61
F(178) = 0.7
F(183) = 0.82
F(189) = 0.94
F(202) = 1

分布から 100 個の乱数を生成します。

rw = random(pd,100,1);

乱数をプロットして、分布を元のデータと視覚的に比較します。

figure;
histogram(rw)

区分的線形分布から生成された乱数は、元のデータと同じ二峰性分布をもちます。

R2013a で導入