icdf
逆累积分布函数
语法
说明
示例
通过指定分布名称 'Normal' 和分布参数，计算正态分布的 icdf 值。
定义输入向量 p 以包含用于计算 icdf 的概率值。
p = [0.1,0.25,0.5,0.75,0.9];
计算均值 等于 1、标准差 等于 5 的正态分布的 icdf 值。
mu = 1;
sigma = 5;
y = icdf('Normal',p,mu,sigma)y = 1×5
-5.4078 -2.3724 1.0000 4.3724 7.4078
y 中的每个值对应于输入向量 x 中的一个值。例如，在值 x 等于 1 时，对应的 icdf 值 y 等于 7.4078。
创建一个正态分布对象，并使用该对象计算正态分布的 icdf 值。
创建均值 等于 1、标准差 等于 5 的正态分布对象。
mu = 1; sigma = 5; pd = makedist('Normal','mu',mu,'sigma',sigma);
定义输入向量 p 以包含用于计算 icdf 的概率值。
p = [0.1,0.25,0.5,0.75,0.9];
计算正态分布在 p 中的值处的 icdf 值。
x = icdf(pd,p)
x = 1×5
-5.4078 -2.3724 1.0000 4.3724 7.4078
x 中的每个值对应于输入向量 p 中的一个值。例如，在值 p 等于 0.9 时，对应的 icdf 值 x 等于 7.4078。
创建一个泊松分布对象，使用的速率参数 等于 2。
lambda = 2; pd = makedist('Poisson','lambda',lambda);
定义输入向量 p 以包含用于计算 icdf 的概率值。
p = [0.1,0.25,0.5,0.75,0.9];
计算泊松分布在 p 中的值处的 icdf 值。
x = icdf(pd,p)
x = 1×5
0 1 2 3 4
x 中的每个值对应于输入向量 p 中的一个值。例如，在值 p 等于 0.9 时，对应的 icdf 值 x 等于 4。
您也可以不创建概率分布对象而直接计算同样的 icdf 值。使用 icdf 函数，并使用相同的速率参数值 指定泊松分布。
x2 = icdf('Poisson',p,lambda)x2 = 1×5
0 1 2 3 4
icdf 值与使用概率分布对象计算的值相同。
创建一个标准正态分布对象。
pd = makedist('Normal')pd =
NormalDistribution
Normal distribution
mu = 0
sigma = 1
通过计算 2.5% 的上限值和下限值，确定具有标准正态分布的检验统计量在 5% 显著性水平下的临界值。
x = icdf(pd,[.025,.975])
x = 1×2
-1.9600 1.9600
对 cdf 绘图，并对临界域进行着色。
p = normspec(x,0,1,'outside')
p = 0.0500
输入参数
输出参量
替代功能
icdf 是泛型函数，它按名称 name 或概率分布对象 pd 接受分布。使用分布特有的函数更快，例如正态分布特有的 norminv，二项分布特有的 binoinv。有关特定于分布的函数的列表，请参阅Supported Distributions。
扩展功能
版本历史记录
在 R2006a 之前推出
