다변량 분포
다변량 분포는 둘 이상의 확률 변수를 포함하는 확률 분포입니다. 이러한 확률 변수는 상관관계가 있을 수 있습니다. Statistics and Machine Learning Toolbox™는 확률 분포 객체, 분포 함수, 대화형 방식 앱을 포함하여 다변량 분포를 다룰 수 있는 여러 가지 방법을 제공합니다. 자세한 내용은 확률 분포 사용하기 항목을 참조하십시오.
객체
gmdistribution | 가우스 혼합 모델 생성 |
MultinomialDistribution | Multinomial probability distribution object |
함수
도움말 항목
- Generate Correlated Samples Using Copulas
Copulas are functions that describe dependencies among variables, and provide a way to create distributions that model correlated multivariate data.
- Generate Correlated Data Using Rank Correlation
Use a copula and rank correlation to generate correlated data from probability distributions that do not have an inverse cdf function available, such as the Pearson flexible distribution family.
- 코퓰러를 사용하여 종속 확률 변수 시뮬레이션하기
변수들 간에 복잡한 관계가 있거나 각 변수의 분포가 서로 다른 경우, 코퓰러를 사용하여 다변량 분포에서 데이터를 생성할 수 있습니다.
- 가우스 혼합 모델 생성하기
알려진 또는 완전히 지정된 GMM(가우스 혼합 모델) 객체를 생성합니다.
- Fit Gaussian Mixture Model to Data
Simulate data from a multivariate normal distribution, and then fit a Gaussian mixture model (GMM) to the data.
- 가우스 혼합 모델의 데이터 시뮬레이션
완전히 지정된
gmdistribution객체와random함수를 사용하여 가우스 혼합 모델(GMM)의 데이터를 시뮬레이션합니다. - 가우스 혼합 모델을 사용하여 데이터 군집화하기
데이터를 크기와 상관관계 구조가 각각 다른 군집으로 분할합니다.
- Inverse Wishart Distribution
The inverse Wishart distribution, which is based on the Wishart distribution, is used in Bayesian statistics as the conjugate prior for the covariance matrix of a multivariate normal distribution.
- Multinomial Distribution
The multinomial distribution models the probability of each combination of successes in a series of independent trials.
- 다변량 정규분포
다변량 정규분포는 일변량 정규분포를 둘 이상의 변수로 일반화한 것입니다.
- Multivariate t Distribution
The multivariate Student's t distribution is a generalization of the univariate Student's t to two or more variables.
- Wishart Distribution
The Wishart distribution is a generalization of the univariate chi-square distribution to two or more variables.
- 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.
