일변량 연속 분포
실수 값 분포에서 표본 계산, 피팅 및 생성
일변량 연속 분포는 어떠한 값도 취할 수 있는 연속 확률 변수가 한 개 있는 확률 분포입니다. Statistics and Machine Learning Toolbox™는 일변량 연속 분포를 다룰 수 있는 여러 가지 방법을 제공합니다.
분포 객체를 만들고 분포 객체 함수를 사용합니다.
지정된 분포 모수를 이용해 분포 전용 함수를 사용합니다. 이 함수는 여러 분포의 모수를 받을 수 있습니다.
일반 분포 함수를 지정된 분포 이름 및 대응하는 모수와 함께 사용합니다.
자세한 내용은 확률 분포 사용하기 항목을 참조하십시오.
앱
| 분포 피팅기 | 데이터에 확률 분포 피팅하기 |
툴
| 확률 분포 함수 툴 | Interactive density and distribution plots |
| randtool | 대화형 난수 생성 |
객체
함수
도움말 항목
카이제곱 분포
- 카이제곱 분포
카이제곱 분포는 일반적으로 가설검정, 특히 피팅의 적합도에 대한 카이제곱 검정에 사용됩니다. - Noncentral Chi-Square Distribution
The noncentral chi-square distribution is a more general case of the chi-square distribution, with applications in thermodynamics and signal processing.
극값 분포
- Extreme Value Distribution
Extreme value distributions are often used to model the smallest or largest value in a large set of independent, identically distributed random values representing measurements or observations. - Generalized Extreme Value Distribution
The generalized extreme value distribution is often used to model the smallest or largest value in a large set of independent, identically distributed random values representing measurements or observations.
F 분포
- F 분포
F 분포는 흔히 F-검정에서와 같이 분산분석에 사용됩니다. - Noncentral F Distribution
The noncentral F distribution is a more general case of the F distribution and is used to calculate the power of a hypothesis test relative to a particular alternative.
로지스틱 분포
- 로지스틱 분포
로지스틱 분포는 성장 모델에 대해 그리고 로지스틱 회귀에서 사용됩니다. - 로그-로지스틱 분포
로그-로지스틱 분포는 로그가 로지스틱 분포를 갖는 확률 분포입니다.
정규분포
- 정규분포
정규분포에 대해 알아봅니다. 정규분포는 2-모수(평균 및 표준편차) 곡선족입니다. 중심 극한 정리(Central Limit Theorem)에서는 표본 크기가 무한대로 이동함에 따라 정규분포가 모든 분포에서 추출된 독립된 표본의 합을 모델링한다고 규정합니다. - Half-Normal Distribution
The half-normal distribution is a special case of the folded normal and truncated normal distributions. - 로그정규분포
로그정규분포는 로그가 정규분포를 갖는 확률 분포입니다.
t 분포
- Noncentral t Distribution
The noncentral t distribution is a more general case of the Student’s t distribution and is used to calculate the power of the t test. - 스튜던트 t 분포
스튜던트 t 분포는 단일 모수 ν(자유도)에 종속적인 곡선족입니다. - t Location-Scale Distribution
The t location-scale distribution is useful for modeling data distributions with heavier tails (more prone to outliers) than the normal distribution.
균등분포
- 균등분포(연속)
균등분포(직사각형 분포라고도 함)는 2개의 경계 모수 간에 일정한 확률 분포 함수를 갖기 때문에 주목할 만합니다. - Loguniform Distribution
The loguniform distribution (also called the reciprocal distribution) has a density that is proportional to the reciprocal of the variable value within its two bounding parameters.
베이불(Weibull) 분포
- 베이불(Weibull) 분포
베이불 분포는 재료의 파괴 강도를 모델링하는 데 적절한 분석 툴입니다. 현재, 신뢰도 및 수명 모델링에도 사용되고 있습니다. - Three-Parameter Weibull Distribution
Find maximum likelihood estimates (MLEs) for the three-parameter Weibull distribution with scale, shape, and location parameters.
기타 분포
- 베타 분포
베타 분포는 구간 [0,1]에서만 0이 아닌 곡선족을 설명합니다. - Birnbaum-Saunders Distribution
The Birnbaum-Saunders distribution was originally proposed as a lifetime model for materials subject to cyclic patterns of stress and strain, where the ultimate failure of the material comes from the growth of a prominent flaw. - Burr Type XII Distribution
The Burr type XII distribution is a three-parameter family of distributions on the positive real line. - 지수 분포
지수 분포는 시간이 지남에 따라 무작위로 발생하는 이벤트를 모델링하는 데 사용됩니다. 주요 응용 분야는 수명 연구입니다. - 감마 분포
감마 분포는 기하급수적으로 분산된 확률 변수의 합을 모델링합니다. - 역가우스 분포
왈드 분포라고도 하는 역가우스 분포는 양의 방향으로 편중된 음이 아닌 데이터를 모델링하는 데 사용됩니다. - 커널 분포
커널 분포는 확률 변수의 확률 밀도 함수에 대한 비모수적 표현입니다. - 나카가미(Nakagami) 분포
통신 이론에서, 나카가미 분포는 여러 경로로 수신기에 도달하는 산란 신호를 모델링하기 위해 사용됩니다. - Generalized Pareto Distribution
The generalized Pareto distribution is used to model extreme events from a distribution. - Pearson Distribution
The Pearson distribution is a flexible, four-parameter distribution that has an arbitrary mean, standard deviation, skewness, and kurtosis. - Piecewise Linear Distribution
The piecewise linear distribution creates a nonparametric representation of the cumulative distribution function (cdf) by linearly connecting the known cdf values from the sample data. - 레일리(Rayleigh) 분포
레일리 분포는 베이불 분포의 특수한 사례로, 통신 이론에서 응용됩니다. - 라이시안(Rician) 분포
통신 이론에서, 라이시안 분포는 여러 경로로 수신기에 도달하는 산란 신호를 모델링하기 위해 사용됩니다. - Stable Distribution
Stable distributions are a class of probability distributions suitable for modeling heavy tails and skewness. - Triangular Distribution
The triangular distribution provides a simplistic representation of the probability distribution when limited sample data is available.
방법
- 최대가능도 추정
mle함수는 이름으로 지정되는 분포에 대해 그리고 확률 밀도 함수(pdf), 로그 pdf 또는 음의 로그 가능도 함수로 지정되는 사용자 지정 분포에 대해 최대가능도 추정값(MLE)을 계산합니다. - Negative Loglikelihood Functions
Find maximum likelihood estimates using negative loglikelihood functions. - Compare Multiple Distribution Fits
This example shows how to fit multiple probability distribution objects to the same set of sample data, and obtain a visual comparison of how well each distribution fits the data. - Model Data with the Generalized Extreme Value Distribution
The extreme value distribution is used to model the largest or smallest value from a group or block of data. - Fit Probability Distribution Objects to Grouped Data
This example shows how to fit probability distribution objects to grouped sample data, and create a plot to visually compare the pdf of each group. - Fit Distributions to Grouped Data Using ksdensity
Fit kernel distributions to grouped sample data using theksdensityfunction. - Fit a Nonparametric Distribution with Pareto Tails
Fit a nonparametric probability distribution to sample data using Pareto tails to smooth the distribution in the tails. - 일반화 파레토 분포를 사용하여 꼬리 데이터 모델링하기
최대가능도 추정을 통해 일반화 파레토 분포에 꼬리 데이터를 피팅합니다. - 스튜던트 t를 사용하여 코시 난수 생성하기
스튜던트 t 분포를 사용하여 표준 코시 분포에서 난수를 생성합니다. - Represent Cauchy Distribution Using t Location-Scale
This example shows how to use the t location-scale probability distribution object to work with a Cauchy distribution with nonstandard parameter values. - Generate Random Numbers Using the Triangular Distribution
Create a triangular probability distribution object based on sample data, and generate random numbers for use in a simulation. - 균등분포의 역을 사용하여 난수 생성하기
균등분포 역산법을 사용하여 난수를 생성합니다. - Generating Data Using Flexible Families of Distributions
The Pearson and Johnson systems are flexible parametric families of distributions that provide good matches for a wide range of data shapes. - Fit Custom Distributions
Fit a custom distribution to univariate data by using themlefunction. - Nonparametric and Empirical Probability Distributions
Estimate a probability density function or a cumulative distribution function from sample data. - Nonparametric Estimates of Cumulative Distribution Functions and Their Inverses
Estimate the cumulative distribution function (cdf) from data in a nonparametric or semiparametric way.
