概率分布和假设检验
概率分布是基于对源总体假设的理论分布。该分布描述随机事件的可能结果的概率。假设检验有助于确定样本数据是否来自具有特定特征的总体，如特定分布。Statistics and Machine Learning Toolbox™ 提供处理概率分布和执行假设检验的功能，包括可用于以下目的的函数：
对样本数据进行概率分布拟合。
计算概率函数，如 pdf 和 cdf。
计算汇总统计量，如均值和中位数。
可视化样本数据。
生成随机数。
使用分布检验、位置检验或散度检验执行假设检验。
有关详细信息，请参阅Working with Probability Distributions和Available Hypothesis Tests。
概率分布基础知识
- Working with Probability Distributions
- Compare Multiple Distribution Fits
- Fit Probability Distribution Objects to Grouped Data
- Nonparametric and Empirical Probability Distributions
- Supported Distributions
- Random Number Generation
- Maximum Likelihood Estimation
- Negative Loglikelihood Functions
- Grouping Variables
类别
精选示例
曲线拟合和分布拟合
执行曲线拟合和分布拟合，并了解每种方法适用的情况。
使用 copula 仿真相关随机变量
此示例说明当变量之间存在复杂关系时，或者当各个变量来自不同分布时，如何使用 copula 从多元分布中生成数据。
Fitting a Univariate Distribution Using Cumulative Probabilities
Fit univariate distributions using least squares estimates of the cumulative distribution functions. This is a generally-applicable method that can be useful in cases when maximum likelihood fails, for instance some models that include a threshold parameter.
Fit Custom Distributions
Fit a custom distribution to univariate data by using the mle function.
Avoid Numerical Issues When Fitting Custom Distributions
Use advanced techniques with the mle function to avoid numerical issues when fitting a custom distribution. Specifically, you learn how to:
