หนึ่ง แผนภาพฟังก์ชันการกระจายสะสมเชิงประจักษ์ เป็นพล็อตทางสถิติที่ใช้กันอย่างแพร่หลายในการเปรียบเทียบระหว่างชุดข้อมูลหลายชุดที่มีลักษณะเหมือนกัน พล็อตนี้เรียกอีกอย่างว่า CDF เชิงประจักษ์ หรือ อีซีดีเอฟ พล็อต MATLAB ช่วยให้เราสามารถสร้างพล็อตนี้โดยใช้ ซีดีเอฟพล็อต() การทำงาน.
บทความนี้จะสำรวจ:
เหตุใดเราจึงต้องมีแผน CDF เชิงประจักษ์
จะสร้างพล็อต CDF เชิงประจักษ์ใน MATLAB ได้อย่างไร
- ตัวอย่างที่ 1: วิธีสร้างพล็อต CDF เชิงประจักษ์ใน MATLAB
- ตัวอย่างที่ 2: วิธีการสร้างพล็อตฟังก์ชันการแจกแจงสะสมเชิงประจักษ์ด้วยตัวจัดการวัตถุใน MATLAB
- ตัวอย่างที่ 3: วิธีเปรียบเทียบ CDF เชิงประจักษ์กับ CDF ทางทฤษฎีโดยใช้ฟังก์ชัน cdfplot() ใน MATLAB
พล็อต CDF เชิงประจักษ์คืออะไร
หนึ่ง พล็อต CDF เชิงประจักษ์ คือการแสดงภาพข้อมูลที่แสดงจุดชุดข้อมูลตัวอย่างของเราจากต่ำสุดไปสูงสุดเทียบกับค่าเปอร์เซ็นไทล์ พล็อตนี้ต้องการตัวแปรต่อเนื่องและคำนวณเปอร์เซ็นไทล์และคุณสมบัติการกระจายอื่นๆ
เหตุใดเราจึงต้องมีแผน CDF เชิงประจักษ์
หนึ่ง พล็อต CDF เชิงประจักษ์ มีประโยชน์หลายอย่าง แต่การใช้งานหลักบางส่วนมีดังต่อไปนี้
พล็อตนี้ถูกใช้:
- เพื่อวัดลักษณะเดียวกันของชุดข้อมูลหลายชุด
- เพื่อระบุจุดที่ค่าส่วนใหญ่เกิดขึ้น
- เพื่อค้นหาเปอร์เซ็นไทล์และคุณสมบัติของชุดข้อมูล
- เพื่อระบุว่าข้อมูลของคุณเป็นไปตามการกระจายที่เหมาะสมที่สุดอย่างไร
- เพื่อประเมินช่วงข้อมูลของคุณ
จะสร้างพล็อต CDF เชิงประจักษ์ใน MATLAB ได้อย่างไร
หนึ่ง พล็อต CDF เชิงประจักษ์ สามารถสร้างได้อย่างง่ายดายและมีประสิทธิภาพใน MATLAB โดยใช้ในตัว ซีดีเอฟพล็อต() การทำงาน. ฟังก์ชันนี้ยอมรับข้อมูลตัวอย่างในรูปแบบของเวกเตอร์แถวหรือคอลัมน์เป็นพารามิเตอร์บังคับ และสร้าง พล็อต CDF เชิงประจักษ์ เทียบกับชุดข้อมูลนั้น
ไวยากรณ์
ที่ ซีดีเอฟพล็อต() ฟังก์ชั่นสามารถนำไปใช้ได้ด้วยวิธีต่อไปนี้
ซีดีเอฟพล็อต ( x )h = พล็อตซีดี ( x )
ที่นี่,
ฟังก์ชั่น ซีดีเอฟพล็อต(x) มีหน้าที่สร้าง แปลง CDF เชิงประจักษ์ สำหรับข้อมูลตัวอย่างที่กำหนด x . โปรดจำไว้ว่า x ต้องเป็นเวกเตอร์แถวหรือคอลัมน์
ฟังก์ชั่น h=cdfพล็อต(x) มีหน้าที่สร้างแฮนเดิล h ของ ออบเจ็กต์บรรทัดลงจุด CDF เชิงประจักษ์ . ที่ จัดการชั่วโมง สามารถใช้สำหรับการสืบค้นหรือแก้ไขคุณสมบัติของวัตถุหลังจากสร้างมันขึ้นมา
ตัวอย่างที่ 1: วิธีสร้างพล็อต CDF เชิงประจักษ์ใน MATLAB
โค้ด MATLAB นี้สร้างคอลัมน์เวกเตอร์ x ความยาว 10 ซึ่งมีจำนวนเต็มกระจายแบบสุ่มซึ่งอยู่ระหว่าง 1 ถึง 10 หลังจากนั้น จะใช้ ซีดีเอฟพล็อต() ฟังก์ชั่นเพื่อสร้าง พล็อต CDF เชิงประจักษ์ ที่สามารถเห็นได้จากผลลัพธ์ที่กำหนด
x = แรนด์ ( 100 , 10 , 1 ) ;ซีดีเอฟพล็อต ( x ) ;
ตัวอย่างที่ 2: วิธีการสร้างพล็อตฟังก์ชันการแจกแจงสะสมเชิงประจักษ์ด้วยตัวจัดการวัตถุใน MATLAB
นี่ก็เป็นอีกหนึ่งเวอร์ชั่นของ ตัวอย่างที่ 1 ซึ่งเราใช้ข้อมูลตัวอย่างอินพุตเดียวกัน x เพื่อสร้าง พล็อต CDF เชิงประจักษ์ ตามมัน หมายเลขอ้างอิงวัตถุ h โดยใช้ h=cdfพล็อต(x) . หลังจากนั้นเราก็ใช้ที่จับ ชม. เพื่อเปลี่ยนรูปแบบเส้นจาก แข็งเป็น '-' ใช้ จุด (.) สัญกรณ์ ผลลัพธ์ที่ได้สามารถสังเกตได้จากภาพหน้าจอที่กำหนด
x = แรนด์ ( 100 , 10 , 1 ) ;h = พล็อตซีดี ( x ) ;
ชม. ไลน์สไตล์ ='--'
ตัวอย่างที่ 3: วิธีเปรียบเทียบ CDF เชิงประจักษ์กับ CDF ทางทฤษฎีโดยใช้ฟังก์ชัน cdfplot() ใน MATLAB
ในโค้ด MATLAB นี้ เราใช้ ซีดีเอฟพล็อต() การทำงาน เพื่อทำการเปรียบเทียบ ที่ CDF ทางทฤษฎี กับ CDF เชิงประจักษ์ . เพื่อทำการเปรียบเทียบนี้ เราจะเริ่มต้นเวกเตอร์แถว และ ซึ่งประกอบด้วย 100 ตัวเลขสุ่มแจกแจงแบบปกติ และสร้าง พล็อต CDF เชิงประจักษ์
หลังจากนั้น เราก็เริ่มต้นชุดข้อมูลอื่น x มี ความยาวเท่ากัน เช่น และ ที่มีตัวเลขอยู่ระหว่างนั้น นาที(ญ) และ สูงสุด(y) . จากนั้นเราก็คำนวณ cdf ตามทฤษฎี x1 สำหรับชุดข้อมูล x และพล็อตเทียบกับค่าของชุดข้อมูล x ใช้ ฟังก์ชันพล็อต () . เราใช้ เดี๋ยว และ ออกจาก คำสั่งเพื่อสร้างทั้งสองแปลงบน รูปเดียวกัน เพื่อสังเกตความคล้ายคลึงกันระหว่าง CDF เชิงประจักษ์และ CDF เชิงทฤษฎี .
ย = แรนด์ ( 1 , 100 ) ;ซีดีเอฟพล็อต ( และ ) ;
ถือ บน
x= ลินสเปซ ( นาที ( และ ) , สูงสุด ( และ ) ) ;
x1 = ซีดีเอฟ ( 'ปกติ' ,x, 0 , 1 ) ;
พล็อต ( x, x1 )
ตำนาน ( 'ซีดีเอฟเชิงประจักษ์' , 'CDF เชิงทฤษฎี' , 'ที่ตั้ง' , 'ดีที่สุด' )
ถือ ปิด
บทสรุป
หนึ่ง พล็อต CDF เชิงประจักษ์ เป็นเทคนิคทางสถิติที่ใช้กันอย่างแพร่หลายในการเปรียบเทียบชุดข้อมูลหลายชุดที่มีลักษณะเหมือนกัน เราสามารถสร้างพล็อตนี้ใน MATLAB โดยใช้บิวด์อิน ซีดีเอฟพล็อต() ฟังก์ชันยอมรับชุดข้อมูลตัวอย่างที่สังเกตได้ในรูปแบบของเวกเตอร์แถวหรือคอลัมน์ บทช่วยสอนนี้อธิบายว่าอะไรคือ พล็อต CDF เชิงประจักษ์ และวิธีการสร้างมันใน MATLAB โดยใช้ไฟล์ ซีดีเอฟพล็อต() การทำงาน.