이 번역 페이지는 최신 내용을 담고 있지 않습니다. 최신 내용을 영문으로 보려면 여기를 클릭하십시오.
PiecewiseLinearDistribution
조각별 선형 확률 분포 객체
설명
PiecewiseLinearDistribution 객체는 조각별 선형 확률 분포에 대한 모델 설명으로 구성됩니다.
조각별 선형 분포는 누적 분포 함수(cdf)의 조각별 선형 표현을 사용하여 생성된 비모수 확률 분포입니다. 조각별 선형 분포에 대해 지정된 옵션은 cdf의 형식을 지정합니다. 확률 밀도 함수(pdf)는 계단 함수입니다.
조각별 선형 분포는 다음 모수를 사용합니다.
| 모수 | 설명 |
|---|---|
x | cdf의 기울기가 변경되는 지점의 x 값으로 구성된 벡터 |
Fx | x의 각 값에 대응하는 cdf 값으로 구성된 벡터 |
생성
makedist를 사용하여 지정된 모수 값 객체로 PiecewiseLinearDistribution 확률 분포를 만듭니다.
속성
객체 함수
예제
디폴트 모수 값을 사용하여 조각별 선형 분포 객체를 만듭니다.
pd = makedist('PiecewiseLinear')pd = PiecewiseLinearDistribution F(0) = 0 F(1) = 1
데이터에 대한 경험적 누적 분포 함수(cdf)를 계산하고, 경험적 cdf에 대한 근삿값을 사용하여 조각별 선형 분포 객체를 만듭니다.
표본 데이터를 불러옵니다. 히스토그램을 사용하여 환자의 체중 데이터를 시각화합니다.
load patients histogram(Weight(strcmp(Gender,'Female'))) hold on histogram(Weight(strcmp(Gender,'Male'))) legend('Female','Male')
히스토그램에서 데이터가 두 개의 최빈값을 가진 것을 알 수 있습니다. 하나는 여성 환자에 대한 최빈값이고 다른 하나는 남성 환자에 대한 최빈값입니다.
데이터에 대한 경험적 cdf를 계산합니다.
[f,x] = ecdf(Weight);
5개 점마다 값을 취하여 조각별 선형 근삿값을 생성합니다.
f = f(1:5:end); x = x(1:5:end);
경험적 cdf와 근삿값을 플로팅합니다.
figure ecdf(Weight) hold on plot(x,f,'ko-','MarkerFace','r') legend('Empirical cdf','Piecewise linear approximation', ... 'Location','best')
경험적 cdf의 조각별 근삿값을 사용하여 조각별 선형 확률 분포 객체를 생성합니다.
pd = makedist('PiecewiseLinear','x',x,'Fx',f)
pd = PiecewiseLinearDistribution F(111) = 0 F(118) = 0.05 F(124) = 0.13 F(130) = 0.25 F(135) = 0.37 F(142) = 0.5 F(163) = 0.55 F(171) = 0.61 F(178) = 0.7 F(183) = 0.82 F(189) = 0.94 F(202) = 1
분포에서 100개의 난수를 생성합니다.
rng('default') % For reproducibility rw = random(pd,[100,1]);
난수를 플로팅하여 해당 분포와 원래 데이터를 시각적으로 비교합니다.
figure histogram(Weight) hold on histogram(rw) legend('Original data','Generated data')
조각별 선형 분포에서 생성된 난수는 원래 데이터와 동일한 이봉 분포를 가집니다.
버전 내역
R2013a에 개발됨
