이 페이지의 최신 내용은 아직 번역되지 않았습니다. 최신 내용은 영문으로 볼 수 있습니다.

histfit

분포가 피팅된 히스토그램

설명

예제

histfit(data)data에 포함된 요소 개수에 대한 제곱근과 같은 Bin 개수를 사용하여 data의 값에 대한 히스토그램을 플로팅하고 정규 밀도 함수를 피팅합니다.

예제

histfit(data,nbins)nbins개 Bin을 사용하여 히스토그램을 플로팅하고 정규 밀도 함수를 피팅합니다.

예제

histfit(data,nbins,dist)nbins개 Bin을 사용하여 히스토그램을 플로팅하고 dist로 지정된 분포에서 밀도 함수를 피팅합니다.

예제

h = histfit(___)은 핸들 h로 구성된 벡터를 반환합니다. 여기서 h(1)은 히스토그램에 대한 핸들이고 h(2)는 밀도 곡선에 대한 핸들입니다. 위에 열거한 구문에 있는 어떤 입력 인수도 포함할 수 있습니다.

예제

모두 축소

평균이 10이고 분산이 1인 정규분포에서 크기가 100인 표본을 생성합니다.

rng default; % For reproducibility
r = normrnd(10,1,100,1);

정규분포가 피팅된 히스토그램을 생성합니다.

histfit(r)

histfitfitdist를 사용하여 분포를 데이터에 피팅합니다. 피팅에 사용되는 모수를 가져오려면 fitdist를 사용하십시오.

pd = fitdist(r,'Normal')
pd = 
  NormalDistribution

  Normal distribution
       mu = 10.1231   [9.89244, 10.3537]
    sigma =  1.1624   [1.02059, 1.35033]

모수 추정값 다음에 있는 구간은 분포 모수에 대한 95% 신뢰구간입니다.

평균이 10이고 분산이 1인 정규분포에서 크기가 100인 표본을 생성합니다.

rng default; % For reproducibility
r = normrnd(10,1,100,1);

6개 Bin을 사용하여 정규분포가 피팅된 히스토그램을 생성합니다.

histfit(r,6)

모수 (3,10)을 사용하여 베타 분포에서 크기가 100인 표본을 생성합니다.

rng default;  % For reproducibility
b = betarnd(3,10,100,1);

10개 Bin을 사용하여 베타 분포가 피팅된 히스토그램을 생성합니다.

histfit(b,10,'beta')

모수 (3,10)을 사용하여 베타 분포에서 크기가 100인 표본을 생성합니다.

rng default;  % For reproducibility
b = betarnd(3,10,[100,1]);

10개 Bin을 사용하여 스무딩 함수가 피팅된 히스토그램을 생성합니다.

histfit(b,10,'kernel')

평균이 10이고 분산이 1인 정규분포에서 크기가 100인 표본을 생성합니다.

rng default % for reproducibility
r = normrnd(10,1,100,1);

정규분포가 피팅된 히스토그램을 생성합니다.

h = histfit(r,10,'normal')

h = 
  2x1 graphics array:

  Bar
  Line

히스토그램의 막대 색을 변경합니다.

h(1).FaceColor = [.8 .8 1];

밀도 곡선의 색을 변경합니다.

h(2).Color = [.2 .2 .2];

입력 인수

모두 축소

입력 데이터로, 벡터로 지정됩니다.

예: data = [1.5 2.5 4.6 1.2 3.4]

예: data = [1.5 2.5 4.6 1.2 3.4]'

데이터형: double | single

히스토그램에 사용할 Bin 개수로, 양의 정수로 지정됩니다. 디폴트 값은 data에 포함된 요소의 개수에 대한 제곱근이 반올림된 값입니다. 분포를 피팅할 때 디폴트 Bin 개수를 사용하려면 [ ]를 사용하십시오.

예: y = histfit(x,8)

예: y = histfit(x,10,'gamma')

예: y = histfit(x,[ ],'weibull')

데이터형: double | single

히스토그램에 피팅할 분포로, 문자형 벡터 또는 string형 스칼라로 지정됩니다. 다음 표에는 지원되는 분포가 나와 있습니다.

dist설명
'beta'베타
'birnbaumsaunders'번바움-손더스(Birnbaum-Saunders)
'burr'버(Burr) 타입 XII
'exponential'지수(Exponential)
'extreme value' 또는 'ev'극값
'gamma'감마
'generalized extreme value' 또는 'gev'일반화 극값
'generalized pareto' 또는 'gp'일반화 파레토(분계점 0)
'inversegaussian'역가우스
'logistic'로지스틱
'loglogistic'로그-로지스틱
'lognormal'로그 정규
'nakagami'나카가미(Nakagami)
'negative binomial' 또는 'nbin'음이항
'normal'정규
'poisson'푸아송
'rayleigh'레일리(Rayleigh)
'rician'라이시안(Rician)
'tlocationscale't 위치-척도
'weibull' 또는 'wbl'베이불(Weibull)
'kernel'비모수적 커널-스무딩 분포. 밀도는 data의 데이터 범위를 포괄하는 균일한 간격으로 배치된 100개의 점에서 계산됩니다. 이는 연속 분포된 표본에 가장 적합합니다.

출력 인수

모두 축소

플롯에 대한 핸들로, 벡터로 반환됩니다. 여기서 h(1)은 히스토그램에 대한 핸들이고, h(2)는 밀도 곡선에 대한 핸들입니다. histfit은 곡선 아래 총 면적이 히스토그램에서의 총 면적과 일치하도록 밀도를 정규화합니다.

알고리즘

histfitfitdist를 사용하여 분포를 데이터에 피팅합니다. 피팅에 사용되는 모수를 가져오려면 fitdist를 사용하십시오.

R2006a 이전에 개발됨