makedist

확률 분포 객체 만들기

페이지 내 모두 축소

구문

pd = makedist(distname)

pd = makedist(distname,Name,Value)

list = makedist

makedist -reset

설명

pd = makedist(distname)은 디폴트 모수 값을 사용하여 분포 distname에 대한 확률 분포 객체를 생성합니다.

예제

pd = makedist(distname,Name,Value)는 이름-값 쌍의 인수로 지정된 하나 이상의 분포 모수 값을 사용하여 확률 분포 객체를 생성합니다.

예제

list = makedist는 makedist가 생성할 수 있는 확률 분포 목록을 포함하는 셀형 배열 list를 반환합니다.

makedist -reset은 prob라는 이름의 네임스페이스에 포함된 파일의 경로를 검색하고 ProbabilityDistribution에서 파생된 클래스를 구현하여 분포 목록을 재설정합니다. 이 구문은 사용자 지정 분포 함수를 정의한 후에 사용하십시오. 자세한 내용은 Define Custom Distributions Using the Distribution Fitter App 항목을 참조하십시오.

예제

모두 축소

디폴트 모수 값을 사용하여 정규분포 객체 만들기

라이브 스크립트 열기

표준 정규분포의 모수에 대응되는 디폴트 모수 값을 사용하여 정규분포 객체를 생성합니다.

pd = makedist('Normal')

pd = 
  NormalDistribution

  Normal distribution
       mu = 0
    sigma = 1

pd의 객체 함수를 사용하여 분포를 실행하고 난수를 생성할 수 있습니다. 지원되는 객체 함수를 표시합니다.

methods(pd)

Methods for class prob.NormalDistribution:

cdf        gather     icdf       iqr        mean       median     negloglik  paramci    pdf        plot       proflik    random     std        truncate   var

예를 들어 iqr 함수를 사용하여 분포의 사분위 범위를 계산합니다.

r = iqr(pd)

r = 
1.3490

디폴트 모수 값을 사용하여 감마 분포 객체 만들기

라이브 스크립트 열기

디폴트 모수 값을 사용하여 감마 분포 객체를 만듭니다.

pd = makedist('Gamma')

pd = 
  GammaDistribution

  Gamma distribution
    a = 1
    b = 1

감마 분포의 평균을 계산합니다.

mean = mean(pd)

mean = 
1

정규분포 객체에 대한 모수 지정하기

라이브 스크립트 열기

모수 값으로 mu = 75 및 sigma = 10을 사용하여 정규분포 객체를 만듭니다.

pd = makedist('Normal','mu',75,'sigma',10)

pd = 
  NormalDistribution

  Normal distribution
       mu = 75
    sigma = 10

감마 분포 객체에 대한 모수 지정하기

라이브 스크립트 열기

모수 값으로 a = 3, 디폴트 값 b = 1을 사용하여 감마 분포 객체를 만듭니다.

pd = makedist('Gamma','a',3)

pd = 
  GammaDistribution

  Gamma distribution
    a = 3
    b = 1

입력 인수

모두 축소

`distname` — 분포 이름
문자형 벡터 | string형 스칼라

분포 이름으로, 다음 문자형 벡터 또는 string형 스칼라 중 하나로 지정됩니다. distname으로 지정된 분포에 따라 반환되는 확률 분포 객체의 유형이 결정됩니다.

분포 이름	설명	분포 객체
`'Beta'`	베타 분포	`BetaDistribution`
`'Binomial'`	이항분포	`BinomialDistribution`
`'BirnbaumSaunders'`	번바움-손더스(Birnbaum-Saunders) 분포	`BirnbaumSaundersDistribution`
`'Burr'`	버(Burr) 분포	`BurrDistribution`
`'Exponential'`	지수 분포	`ExponentialDistribution`
`'ExtremeValue'`	극값 분포	`ExtremeValueDistribution`
`'Gamma'`	감마 분포	`GammaDistribution`
`'GeneralizedExtremeValue'`	일반화 극값 분포	`GeneralizedExtremeValueDistribution`
`'GeneralizedPareto'`	일반화 파레토 분포	`GeneralizedParetoDistribution`
`'HalfNormal'`	절반 정규분포	`HalfNormalDistribution`
`'InverseGaussian'`	역가우스 분포	`InverseGaussianDistribution`
`'Logistic'`	로지스틱 분포	`LogisticDistribution`
`'Loglogistic'`	로그-로지스틱 분포	`LoglogisticDistribution`
`'Lognormal'`	로그정규분포	`LognormalDistribution`
`'Loguniform'`	Loguniform 분포	`LoguniformDistribution`
`'Multinomial'`	다항 분포	`MultinomialDistribution`
`'Nakagami'`	나카가미(Nakagami) 분포	`NakagamiDistribution`
`'NegativeBinomial'`	음이항분포	`NegativeBinomialDistribution`
`'Normal'`	정규분포	`NormalDistribution`
`'Pearson'`	피어슨 분포	`PearsonDistribution`
`'PiecewiseLinear'`	조각별 선형 분포	`PiecewiseLinearDistribution`
`'Poisson'`	푸아송 분포	`PoissonDistribution`
`'Rayleigh'`	레일리(Rayleigh) 분포	`RayleighDistribution`
`'Rician'`	라이시안(Rician) 분포	`RicianDistribution`
`'Stable'`	안정분포	`StableDistribution`
`'tLocationScale'`	t 위치-척도 분포	`tLocationScaleDistribution`
`'Triangular'`	삼각형분포	`TriangularDistribution`
`'Uniform'`	균등분포	`UniformDistribution`
`'Weibull'`	베이불(Weibull) 분포	`WeibullDistribution`

makedist

구문

설명

예제

디폴트 모수 값을 사용하여 정규분포 객체 만들기

디폴트 모수 값을 사용하여 감마 분포 객체 만들기

정규분포 객체에 대한 모수 지정하기

감마 분포 객체에 대한 모수 지정하기

입력 인수

distname — 분포 이름 문자형 벡터 | string형 스칼라

이름-값 인수

베타 분포

a — 첫 번째 형태 모수 1 (디폴트 값) | 양의 스칼라 값

b — 두 번째 형태 모수 1 (디폴트 값) | 양의 스칼라 값

이항분포

N — 시행 횟수 1 (디폴트 값) | 양의 정수 값

p — 성공 확률 0.5 (디폴트 값) | [0,1] 범위의 스칼라 값

번바움-손더스(Birnbaum-Saunders) 분포

beta — 스케일 모수 1 (디폴트 값) | 양의 스칼라 값

gamma — 형태 모수 1 (디폴트 값) | 양의 스칼라 값

버(Burr) 분포

alpha — 스케일 모수 1 (디폴트 값) | 양의 스칼라 값

c — 첫 번째 형태 모수 1 (디폴트 값) | 양의 스칼라 값

k — 두 번째 형태 모수 1 (디폴트 값) | 양의 스칼라 값

지수 분포

mu — 평균 1 (디폴트 값) | 양의 스칼라 값

극값 분포

mu — 위치 모수 0 (디폴트 값) | 스칼라 값

sigma — 스케일 모수 1 (디폴트 값) | 음이 아닌 스칼라 값

감마 분포

a — 형태 모수 1 (디폴트 값) | 양의 스칼라 값

b — 스케일 모수 1 (디폴트 값) | 음이 아닌 스칼라 값

일반화 극값 분포

k — 형태 모수 0 (디폴트 값) | 스칼라 값

sigma — 스케일 모수 1 (디폴트 값) | 음이 아닌 스칼라 값

mu — 위치 모수 0 (디폴트 값) | 스칼라 값

일반화 파레토 분포

k — 형태 모수 1 (디폴트 값) | 스칼라 값

sigma — 스케일 모수 1 (디폴트 값) | 음이 아닌 스칼라 값

theta — 위치(분계점) 모수 1 (디폴트 값) | 스칼라 값

절반 정규분포

mu — 위치 모수 0 (디폴트 값) | 스칼라 값

sigma — 스케일 모수 1 (디폴트 값) | 음이 아닌 스칼라 값

역가우스 분포

mu — 스케일 모수 1 (디폴트 값) | 양의 스칼라 값

lambda — 형태 모수 1 (디폴트 값) | 양의 스칼라 값

로지스틱 분포

mu — 평균 0 (디폴트 값) | 스칼라 값

sigma — 스케일 모수 1 (디폴트 값) | 음이 아닌 스칼라 값

로그-로지스틱 분포

mu — 로그 값의 평균 0 (디폴트 값) | 스칼라 값

sigma — 로그 값의 스케일 모수 1 (디폴트 값) | 양의 스칼라 값

로그정규분포

mu — 로그 값의 평균 0 (디폴트 값) | 스칼라 값

sigma — 로그 값의 표준편차 1 (디폴트 값) | 음이 아닌 스칼라 값

Loguniform 분포

Lower — 하한 1 (디폴트 값) | 음이 아닌 스칼라 값

Upper — 상한 4 (디폴트 값) | Lower보다 큰 스칼라 값

다항 분포

Probabilities — 결과 확률 [0.500 0.500] (디폴트 값) | [0,1] 범위의 스칼라 값으로 구성된 벡터

나카가미(Nakagami) 분포

mu — 형태 모수 1 (디폴트 값) | 양의 스칼라 값

omega — 스케일 모수 1 (디폴트 값) | 양의 스칼라 값

음이항분포

R — 성공 횟수 1 (디폴트 값) | 양의 스칼라 값

P — 성공 확률 0.5 (디폴트 값) | (0,1] 범위의 스칼라 값

정규분포

mu — 평균 0 (디폴트 값) | 스칼라 값

sigma — 표준편차 1 (디폴트 값) | 음이 아닌 스칼라 값

조각별 선형 분포

x — 데이터 값 1 (디폴트 값) | 스칼라 값으로 구성된 단조 증가하는 벡터

Fx — x의 각 값에서의 cdf 값 1 (디폴트 값) | 0에서 시작하고 1에서 끝나는 스칼라 값으로 구성된 단조 증가하는 벡터

피어슨 분포

mu — 평균 0 (디폴트 값) | 스칼라

sigma — 표준편차 1 (디폴트 값) | 양의 스칼라

gamma — 왜도 0 (디폴트 값) | 스칼라

kappa — 첨도 3 (디폴트 값) | 스칼라

푸아송 분포

lambda — 평균 1 (디폴트 값) | 음이 아닌 스칼라 값

레일리(Rayleigh) 분포

`distname` — 분포 이름
문자형 벡터 | string형 스칼라

`a` — 첫 번째 형태 모수
`1` (디폴트 값) | 양의 스칼라 값

`b` — 두 번째 형태 모수
`1` (디폴트 값) | 양의 스칼라 값

`N` — 시행 횟수
`1` (디폴트 값) | 양의 정수 값

`p` — 성공 확률
`0.5` (디폴트 값) | [0,1] 범위의 스칼라 값

`beta` — 스케일 모수
`1` (디폴트 값) | 양의 스칼라 값

`gamma` — 형태 모수
`1` (디폴트 값) | 양의 스칼라 값

`alpha` — 스케일 모수
`1` (디폴트 값) | 양의 스칼라 값

`c` — 첫 번째 형태 모수
`1` (디폴트 값) | 양의 스칼라 값

`k` — 두 번째 형태 모수
`1` (디폴트 값) | 양의 스칼라 값

`mu` — 평균
`1` (디폴트 값) | 양의 스칼라 값

`mu` — 위치 모수
`0` (디폴트 값) | 스칼라 값

`sigma` — 스케일 모수
`1` (디폴트 값) | 음이 아닌 스칼라 값

`a` — 형태 모수
`1` (디폴트 값) | 양의 스칼라 값

`b` — 스케일 모수
`1` (디폴트 값) | 음이 아닌 스칼라 값

`k` — 형태 모수
`0` (디폴트 값) | 스칼라 값

`sigma` — 스케일 모수
`1` (디폴트 값) | 음이 아닌 스칼라 값

`mu` — 위치 모수
`0` (디폴트 값) | 스칼라 값

`k` — 형태 모수
`1` (디폴트 값) | 스칼라 값

`sigma` — 스케일 모수
`1` (디폴트 값) | 음이 아닌 스칼라 값

`theta` — 위치(분계점) 모수
`1` (디폴트 값) | 스칼라 값

`mu` — 위치 모수
`0` (디폴트 값) | 스칼라 값

`sigma` — 스케일 모수
`1` (디폴트 값) | 음이 아닌 스칼라 값

`mu` — 스케일 모수
`1` (디폴트 값) | 양의 스칼라 값

`lambda` — 형태 모수
`1` (디폴트 값) | 양의 스칼라 값

`mu` — 평균
`0` (디폴트 값) | 스칼라 값

`sigma` — 스케일 모수
`1` (디폴트 값) | 음이 아닌 스칼라 값

`mu` — 로그 값의 평균
`0` (디폴트 값) | 스칼라 값

`sigma` — 로그 값의 스케일 모수
`1` (디폴트 값) | 양의 스칼라 값

`mu` — 로그 값의 평균
`0` (디폴트 값) | 스칼라 값

`sigma` — 로그 값의 표준편차
`1` (디폴트 값) | 음이 아닌 스칼라 값

`Lower` — 하한
`1` (디폴트 값) | 음이 아닌 스칼라 값

`Upper` — 상한
`4` (디폴트 값) | `Lower`보다 큰 스칼라 값

`Probabilities` — 결과 확률
`[0.500 0.500]` (디폴트 값) | [0,1] 범위의 스칼라 값으로 구성된 벡터

`mu` — 형태 모수
`1` (디폴트 값) | 양의 스칼라 값

`omega` — 스케일 모수
`1` (디폴트 값) | 양의 스칼라 값

`R` — 성공 횟수
`1` (디폴트 값) | 양의 스칼라 값

`P` — 성공 확률
`0.5` (디폴트 값) | (0,1] 범위의 스칼라 값

`mu` — 평균
`0` (디폴트 값) | 스칼라 값

`sigma` — 표준편차
`1` (디폴트 값) | 음이 아닌 스칼라 값

`x` — 데이터 값
`1` (디폴트 값) | 스칼라 값으로 구성된 단조 증가하는 벡터

`Fx` — `x`의 각 값에서의 cdf 값
`1` (디폴트 값) | 0에서 시작하고 1에서 끝나는 스칼라 값으로 구성된 단조 증가하는 벡터

`mu` — 평균
`0` (디폴트 값) | 스칼라

`sigma` — 표준편차
`1` (디폴트 값) | 양의 스칼라

`gamma` — 왜도
`0` (디폴트 값) | 스칼라

`kappa` — 첨도
`3` (디폴트 값) | 스칼라

`lambda` — 평균
`1` (디폴트 값) | 음이 아닌 스칼라 값

`B` — 정의 모수
`1` (디폴트 값) | 양의 스칼라 값

`s` — 비중심성 모수
`1` (디폴트 값) | 음이 아닌 스칼라 값

`sigma` — 스케일 모수
`1` (디폴트 값) | 양의 스칼라 값

`alpha` — 첫 번째 형태 모수
`2` (디폴트 값) | (0,2] 범위의 스칼라 값

`beta` — 두 번째 형태 모수
`0` (디폴트 값) | [–1,1] 범위의 스칼라 값

`gam` — 스케일 모수
`1` (디폴트 값) | (0,∞) 범위의 스칼라 값

`delta` — 위치 모수
0 (디폴트 값) | 스칼라 값

`mu` — 위치 모수
`0` (디폴트 값) | 스칼라 값

`sigma` — 스케일 모수
`1` (디폴트 값) | 양의 스칼라 값

`nu` — 자유도
`5` (디폴트 값) | 양의 스칼라 값

`A` — 하한
`0` (디폴트 값) | 스칼라 값

`B` — 피크 위치
`0.5` (디폴트 값) | `A`보다 크거나 같은 스칼라 값

`C` — 상한
`1` (디폴트 값) | `B`보다 크거나 같은 스칼라 값

`Lower` — 하한
`0` (디폴트 값) | 스칼라 값

`Upper` — 상한
`1` (디폴트 값) | `Lower`보다 큰 스칼라 값

`A` — 스케일 모수
`1` (디폴트 값) | 양의 스칼라 값

`B` — 형태 모수
`1` (디폴트 값) | 양의 스칼라 값

`pd` — 확률 분포
확률 분포 객체

`list` — 확률 분포 목록
문자형 벡터로 구성된 셀형 배열