Main Content

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

pdf

확률 밀도 함수

설명

예제

y = pdf('name',x,A)'name'과 분포 모수 A로 지정된 단일 모수 분포군에 대한 확률 밀도 함수(pdf)를 x의 값에서 계산하여 반환합니다.

예제

y = pdf('name',x,A,B)'name'과 분포 모수 AB로 지정된 2-모수 분포군에 대한 pdf를 x의 값에서 계산하여 반환합니다.

y = pdf('name',x,A,B,C)'name'과 분포 모수 A, B, C로 지정된 3-모수 분포군에 대한 pdf를 x의 값에서 계산하여 반환합니다.

y = pdf('name',x,A,B,C,D)'name'과 분포 모수 A, B, C, D로 지정된 4-모수 분포군에 대한 pdf를 x의 값에서 계산하여 반환합니다.

예제

y = pdf(pd,x)는 확률 분포 객체 pd의 pdf를 x의 값에서 계산하여 반환합니다.

예제

모두 축소

평균 μ가 0이고 표준편차 σ가 1인 표준 정규분포 객체를 생성합니다.

mu = 0;
sigma = 1;
pd = makedist('Normal','mu',mu,'sigma',sigma);

pdf를 계산할 지점의 값을 포함하도록 입력 벡터 x를 정의합니다.

x = [-2 -1 0 1 2];

x의 값에서 표준 정규분포에 대한 pdf 값을 계산합니다.

y = pdf(pd,x)
y = 1×5

    0.0540    0.2420    0.3989    0.2420    0.0540

y의 각 값은 입력 벡터 x의 값에 대응됩니다. 예를 들어, 값 x가 1인 경우 이 값에 대응되는 pdf 값 y는 0.2420입니다.

또는 확률 분포 객체를 생성하지 않고 동일한 pdf 값을 계산할 수도 있습니다. pdf 함수를 사용하고 μσ에 동일한 모수 값을 사용하여 표준 정규분포를 지정하면 됩니다.

y2 = pdf('Normal',x,mu,sigma)
y2 = 1×5

    0.0540    0.2420    0.3989    0.2420    0.0540

pdf 값이 확률 분포 객체를 사용하여 계산된 값과 동일합니다.

사건 발생률 모수 λ가 2인 푸아송 분포 객체를 생성합니다.

lambda = 2;
pd = makedist('Poisson','lambda',lambda);

pdf를 계산할 지점의 값을 포함하도록 입력 벡터 x를 정의합니다.

x = [0 1 2 3 4];

x의 값에서 푸아송 분포에 대한 pdf 값을 계산합니다.

y = pdf(pd,x)
y = 1×5

    0.1353    0.2707    0.2707    0.1804    0.0902

y의 각 값은 입력 벡터 x의 값에 대응됩니다. 예를 들어, 값 x가 3인 경우 이 값에 대응되는 pdf 값 y는 0.1804입니다.

또는 확률 분포 객체를 생성하지 않고 동일한 pdf 값을 계산할 수도 있습니다. pdf 함수를 사용하고 동일한 사건 발생률 모수 λ의 값을 사용하여 푸아송 분포를 지정하면 됩니다.

y2 = pdf('Poisson',x,lambda)
y2 = 1×5

    0.1353    0.2707    0.2707    0.1804    0.0902

pdf 값이 확률 분포 객체를 사용하여 계산된 값과 동일합니다.

표준 정규분포 객체를 생성합니다.

pd = makedist('Normal')
pd = 
  NormalDistribution

  Normal distribution
       mu = 0
    sigma = 1

x 값을 지정하고 pdf를 계산합니다.

x = -3:.1:3;
pdf_normal = pdf(pd,x);

pdf를 플로팅합니다.

plot(x,pdf_normal,'LineWidth',2)

베이불 확률 분포 객체를 생성합니다.

pd = makedist('Weibull','a',5,'b',2)
pd = 
  WeibullDistribution

  Weibull distribution
    A = 5
    B = 2

x 값을 지정하고 pdf를 계산합니다.

x = 0:.1:15;
y = pdf(pd,x);

pdf를 플로팅합니다.

plot(x,y,'LineWidth',2)

입력 인수

모두 축소

확률 분포 이름으로, 다음 표에 나와 있는 확률 분포 이름 중 하나로 지정됩니다.

'name'분포입력 모수 A입력 모수 B입력 모수 C입력 모수 D
'Beta'Beta Distributiona 첫 번째 형태 모수b 두 번째 형태 모수
'Binomial'Binomial Distributionn 시행 횟수p 각 시행에 대한 성공 확률
'BirnbaumSaunders'Birnbaum-Saunders Distributionβ 스케일 모수γ 형태 모수
'Burr'Burr Type XII Distributionα 스케일 모수c 첫 번째 형태 모수k 두 번째 형태 모수
'Chisquare'Chi-Square Distributionν 자유도
'Exponential'Exponential Distributionμ 평균
'Extreme Value'Extreme Value Distributionμ 위치 모수σ 스케일 모수
'F'F Distributionν1 분자의 자유도ν2 분모의 자유도
'Gamma'Gamma Distributiona 형태 모수b 스케일 모수
'Generalized Extreme Value'Generalized Extreme Value Distributionk 형태 모수σ 스케일 모수μ 위치 모수
'Generalized Pareto'Generalized Pareto Distributionk 꼬리 인덱스(형태) 모수σ 스케일 모수μ 분계점(위치) 모수
'Geometric'Geometric Distributionp 확률 모수
'HalfNormal'Half-Normal Distributionμ 위치 모수σ 스케일 모수
'Hypergeometric'Hypergeometric Distributionm 모집단 크기k 모집단에서 원하는 특성을 가진 항목 개수n 추출된 표본 개수
'InverseGaussian'Inverse Gaussian Distributionμ 스케일 모수λ 형태 모수
'Logistic'Logistic Distributionμ 평균σ 스케일 모수
'LogLogistic'Loglogistic Distributionμ 로그 값의 평균σ 로그 값의 스케일 모수
'Lognormal'로그 정규분포μ 로그 값의 평균σ 로그 값의 표준편차
'Nakagami'Nakagami Distributionμ 형태 모수ω 스케일 모수
'Negative Binomial'Negative Binomial Distributionr 성공 횟수p 단일 시행에서 성공할 확률
'Noncentral F'Noncentral F Distributionν1 분자의 자유도ν2 분모의 자유도δ 비중심성 모수
'Noncentral t'Noncentral t Distributionν 자유도δ 비중심성 모수
'Noncentral Chi-square'Noncentral Chi-Square Distributionν 자유도δ 비중심성 모수
'Normal'정규분포μ 평균 σ 표준편차
'Poisson'푸아송 분포λ 평균
'Rayleigh'Rayleigh Distributionb 스케일 모수
'Rician'Rician Distributions 비중심성 모수σ 스케일 모수
'Stable'Stable Distributionα 첫 번째 형태 모수β 두 번째 형태 모수γ 스케일 모수δ 위치 모수
'T'Student's t Distributionν 자유도
'tLocationScale't Location-Scale Distributionμ 위치 모수σ 스케일 모수ν 형태 모수
'Uniform'Uniform Distribution (Continuous)a 하한 끝점(최솟값)b 상한 끝점(최댓값)
'Discrete Uniform'Uniform Distribution (Discrete)n 관측 가능 최댓값
'Weibull'Weibull Distributiona 스케일 모수b 형태 모수

예: 'Normal'

pdf를 계산할 지점의 값으로, 스칼라 값 또는 스칼라 값으로 구성된 배열로 지정됩니다.

입력 인수 x, A, B, C, D 중 하나 이상이 배열인 경우 배열 크기가 서로 같아야 합니다. 이 경우, pdf가 각각의 스칼라 입력값을 배열 입력값과 동일한 크기의 상수 배열로 확장합니다. 각 분포에 대한 A, B, C, D의 정의는 'name'을 참조하십시오.

예: [-1,0,3,4]

데이터형: single | double

첫 번째 확률 분포 모수로, 스칼라 값 또는 스칼라 값으로 구성된 배열로 지정됩니다.

입력 인수 x, A, B, C, D 중 하나 이상이 배열인 경우 배열 크기가 서로 같아야 합니다. 이 경우, pdf가 각각의 스칼라 입력값을 배열 입력값과 동일한 크기의 상수 배열로 확장합니다. 각 분포에 대한 A, B, C, D의 정의는 'name'을 참조하십시오.

데이터형: single | double

두 번째 확률 분포 모수로, 스칼라 값 또는 스칼라 값으로 구성된 배열로 지정됩니다.

입력 인수 x, A, B, C, D 중 하나 이상이 배열인 경우 배열 크기가 서로 같아야 합니다. 이 경우, pdf가 각각의 스칼라 입력값을 배열 입력값과 동일한 크기의 상수 배열로 확장합니다. 각 분포에 대한 A, B, C, D의 정의는 'name'을 참조하십시오.

데이터형: single | double

세 번째 확률 분포 모수로, 스칼라 값 또는 스칼라 값으로 구성된 배열로 지정됩니다.

입력 인수 x, A, B, C, D 중 하나 이상이 배열인 경우 배열 크기가 서로 같아야 합니다. 이 경우, pdf가 각각의 스칼라 입력값을 배열 입력값과 동일한 크기의 상수 배열로 확장합니다. 각 분포에 대한 A, B, C, D의 정의는 'name'을 참조하십시오.

데이터형: single | double

네 번째 확률 분포 모수로, 스칼라 값 또는 스칼라 값으로 구성된 배열로 지정됩니다.

입력 인수 x, A, B, C, D 중 하나 이상이 배열인 경우 배열 크기가 서로 같아야 합니다. 이 경우, pdf가 각각의 스칼라 입력값을 배열 입력값과 동일한 크기의 상수 배열로 확장합니다. 각 분포에 대한 A, B, C, D의 정의는 'name'을 참조하십시오.

데이터형: single | double

확률 분포로, 다음 표에 나와 있는 함수나 앱으로 생성되는 확률 분포 객체로 지정됩니다.

함수 또는 앱설명
makedist지정된 모수 값을 사용하여 확률 분포 객체를 생성합니다.
fitdist확률 분포 객체를 표본 데이터에 피팅합니다.
분포 피팅기대화형 분포 피팅기 앱을 사용하여 확률 분포를 표본 데이터에 피팅하고 피팅된 객체를 작업 공간에 내보냅니다.
paretotails꼬리에서 일반화 파레토 분포를 갖는 조각별 분포 객체를 생성합니다.

출력 인수

모두 축소

pdf 값으로, 스칼라 값 또는 스칼라 값으로 구성된 배열로 반환됩니다. 필요한 스칼라 확장을 수행한 후 yx와 크기가 같아집니다. y의 각 요소는 분포 모수(A, B, C, D)에서 대응되는 요소로 지정된 분포 또는 확률 분포 객체(pd)로 지정된 분포의 pdf 값으로, x의 대응되는 요소에서 계산됩니다.

대체 기능

  • pdf는 분포 이름 'name'으로 지정한 분포를 받거나 확률 분포 객체 pd를 받는 일반 함수입니다. 분포 전용 함수(정규분포의 경우 normpdf, 이항분포의 경우 binopdf)를 사용하는 것이 더 빠릅니다. 분포 전용 함수 목록은 Supported Distributions 항목을 참조하십시오.

  • 확률 분포 함수 앱을 사용하면 확률 분포에 대한 누적 분포 함수(cdf) 또는 확률 밀도 함수(pdf)의 대화형 방식 플롯을 생성할 수 있습니다.

확장 기능

R2006a 이전에 개발됨