本页对应的英文页面已更新,但尚未翻译。 若要查看最新内容,请点击此处访问英文页面。

histfit

使用分布拟合绘制的直方图

说明

示例

histfit(data) 绘制 data 中的值的直方图并拟合正态密度函数,直方图的 bin 个数等于 data 中元素个数的平方根。

示例

histfit(data,nbins) 使用 nbins 个 bin 绘制直方图,并拟合正态密度函数。

示例

histfit(data,nbins,dist) 使用 nbins 个 bin 绘制直方图,并根据 dist 指定的分布拟合密度函数。

示例

h = histfit(___) 返回句柄向量 h,其中 h(1) 是直方图的句柄,h(2) 是密度曲线的句柄。它可以包括上述语法中的任何输入参数。

示例

全部折叠

用均值 10 和方差 1 从正态分布生成大小为 100 的样本。

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

构建具有正态分布拟合的直方图。

histfit(r)

histfit 使用 fitdist 对数据进行分布拟合。使用 fitdist 获得在拟合中使用的参数。

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

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

参数估计值旁边的区间是分布参数的 95% 置信区间。

用均值 10 和方差 1 从正态分布生成大小为 100 的样本。

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

使用六个 bin 构造具有正态分布拟合的直方图。

histfit(r,6)

使用参数 (3,10) 从 beta 分布生成大小为 100 的样本。

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

使用 10 个 bin 构造具有 beta 分布拟合的直方图。

histfit(b,10,'beta')

使用参数 (3,10) 从 beta 分布生成大小为 100 的样本。

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

使用 10 个 bin 构造具有平滑函数拟合的直方图。

histfit(b,10,'kernel')

用均值 10 和方差 1 从正态分布生成大小为 100 的样本。

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

构建具有正态分布拟合的直方图。

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

h = 
  2x1 graphics array:

  Bar
  Line

更改直方图的条形颜色。

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

更改密度曲线的颜色。

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

输入参数

全部折叠

输入数据,指定为向量。

示例: data = [1.5 2.5 4.6 1.2 3.4]

示例: data = [1.5 2.5 4.6 1.2 3.4]'

数据类型: double | single

直方图的 bin 个数,指定为正整数。默认值为 data 中元素数的平方根,向上舍入。在拟合分布时,使用 [ ] 表示使用默认的 bin 个数。

示例: y = histfit(x,8)

示例: y = histfit(x,10,'gamma')

示例: y = histfit(x,[ ],'weibull')

数据类型: double | single

要与直方图拟合的分布,指定为字符向量或字符串标量。下表显示支持的分布。

dist说明
'beta'beta
'birnbaumsaunders'Birnbaum-Saunders
'burr'Burr 类型 XII
'exponential'指数
'extreme value''ev'极值
'gamma'gamma
'generalized extreme value''gev'广义极值
'generalized pareto''gp'广义帕累托(阈值 0)
'inversegaussian'逆高斯
'logistic'逻辑
'loglogistic'对数逻辑
'lognormal'对数正态
'nakagami'Nakagami
'negative binomial''nbin'负二项
'normal'正态
'poisson'泊松
'rayleigh'瑞利
'rician'莱斯
'tlocationscale't 位置尺度
'weibull''wbl'Weibull
'kernel'非参数化核平滑分布。密度在覆盖 data 数据范围的 100 个等距点处进行计算。它最适合连续分布的样本。

输出参数

全部折叠

以向量形式返回的绘图句柄,其中 h(1) 是直方图句柄,h(2) 是密度曲线句柄。histfit 对密度进行归一化,使曲线下的总面积与直方图的总面积相匹配。

算法

histfit 使用 fitdist 对数据进行分布拟合。使用 fitdist 获得在拟合中使用的参数。

在 R2006a 之前推出