KernelDistribution

核概率分布对象

说明

一个 KernelDistribution 对象由非参数化核平滑分布的参数、模型描述和样本数据组成。

核分布是一个随机变量的概率密度函数 (pdf) 的非参数化估计。

核分布使用以下选项。

选项	描述	可能的值
`Kernel`	核函数类型	`normal`, `box`, `triangle`, `epanechnikov`
`Bandwidth`	核平滑参数	`Bandwidth > 0`

创建对象

创建 KernelDistribution 概率分布对象有以下几种方法。

使用 fitdist 对数据进行分布拟合。
使用分布拟合器以交互方式对数据进行分布拟合。

属性

全部展开

分布参数

`Kernel` — 核平滑器类型
`'normal'` | `'box'` | `'triangle'` | `'epanechnikov'`

核函数类型，指定为有效的核函数类型名称。

`Bandwidth` — 核平滑窗的带宽
正标量值

核平滑窗的带宽，指定为正标量值。

数据类型: single | double

分布特性

`IsTruncated` — 截尾分布的逻辑标志
`0` | `1`

此属性为只读。

截尾分布的逻辑标志，指定为逻辑值。如果 IsTruncated 等于 0，则分布不会截尾。如果 IsTruncated 等于 1，则分布会截尾。

数据类型: logical

`Truncation` — 截尾区间
标量值组成的向量

此属性为只读。

概率分布的截尾区间，指定为包含截尾下界和上界的标量值的向量。

数据类型: single | double

其他对象属性

`DistributionName` — 概率分布名称
字符向量

此属性为只读。

概率分布名称，指定为字符向量。

数据类型: char

`InputData` — 用于分布拟合的数据
结构体

此属性为只读。

用于分布拟合的数据，指定为包含以下内容的结构体：

data:用于分布拟合的数据向量。
cens:删失向量，如果没有，则为空。
freq:频率向量，如果没有，则为空。

数据类型: struct

对象函数

`cdf`	累积分布函数
`gather`	Gather properties of Statistics and Machine Learning Toolbox object from GPU
`icdf`	逆累积分布函数
`iqr`	Interquartile range of probability distribution
`mean`	概率分布的均值
`median`	Median of probability distribution
`negloglik`	Negative loglikelihood of probability distribution
`pdf`	概率密度函数
`plot`	Plot probability distribution object
`random`	随机数
`std`	概率分布的标准差
`truncate`	Truncate probability distribution object
`var`	Variance of probability distribution

示例

全部折叠

对数据进行核分布对象拟合

打开实时脚本

加载样本数据。使用直方图可视化患者体重数据。

load hospital
histogram(hospital.Weight)

直方图显示数据有两种模式，一种适用于女性患者，一种适用于男性患者。

通过对患者体重数据进行核分布拟合来创建一个概率分布对象。

pd_kernel = fitdist(hospital.Weight,'Kernel')

pd_kernel = 
  KernelDistribution

    Kernel = normal
    Bandwidth = 14.3792
    Support = unbounded

为了便于比较，通过对患者体重数据进行正态分布拟合来创建另一个概率分布对象。

pd_normal = fitdist(hospital.Weight,'Normal')

pd_normal = 
  NormalDistribution

  Normal distribution
       mu =     154   [148.728, 159.272]
    sigma = 26.5714   [23.3299, 30.8674]

定义 x 值并计算每个分布的 pdf。

x = 50:1:250;
pdf_kernel = pdf(pd_kernel,x);
pdf_normal = pdf(pd_normal,x);

绘制每个分布的 pdf。

plot(x,pdf_kernel,'Color','b','LineWidth',2);
hold on;
plot(x,pdf_normal,'Color','r','LineStyle',':','LineWidth',2);
legend('Kernel Distribution','Normal Distribution','Location','SouthEast');
hold off;