normplot
正态概率图
描述
例子
生成正态概率图
从正态分布中生成随机样本数据Mu = 10和Sigma = 1。
rng默认的；%为了重现性X = normrnd(10,1,25,1);
创建样本数据的正态概率图。
图;normplot (x)
该图表明数据服从正态分布。
使用正态概率图评估正态性
从四种不同的分布中分别生成50个随机数:标准正态分布;具有5个自由度的Student's-t分布(“肥尾”分布);一组皮尔逊随机数μ等于0，σ等于1，偏度等于0.5，峰度等于3(“右偏”分布);和一组皮尔逊随机数μ等于0，σ等于1，偏度等于-0.5，峰度等于3(“左偏态”分布)。
rng (11)%为了重现性X1 = normrnd(0,1，[50,1]);X2 = trend (5，[50,1]);3 = pearsrnd(0,1,0.5,3，[50,1]);X4 = pearsrnd(0,1，-0.5,3，[50,1]);
在同一图上绘制四个直方图，以直观地比较每个分布的pdf。
图subplot(2,2,1)直方图(x1,10) title(“正常”) subplot(2,2,2)直方图(x2,10) title(“肥尾”) subplot(2,2,3)直方图(x3,10)“右偏态”) subplot(2,2,4)直方图(x4,10) title(“没有”)轴([4 4 0 15])
直方图显示了每个样本与正态分布的不同。
为每个样本创建一个正态概率图。
图subplot(2,2,1) normplot(x1) title(“正常”) subplot(2,2,2) normplot(x2) title(“肥尾”) subplot(2,2,3) normplot(x3) title(“右偏态”) subplot(2,2,4) normplot(x4) title(“没有”）
调整正常概率标绘线属性
创建一个50 × 2的矩阵，其中包含来自两个不同分布中的每个分布的50个随机数:列1中的标准正态分布和一组皮尔逊随机数μ等于0，σ在第2列中等于1，偏度等于0.5，峰度等于3(“右偏”分布)。
rng默认的%为了重现性x = [normrnd (0, 1, [50, 1]) pearsrnd(0、1、0.5、3 [50,1]));
在同一图上为两个样本创建一个正态概率图。返回情节线图形句柄。
图h = normplot(x)
h = 6x1 Line array: Line Line Line Line Line Line Line
传奇({“正常”，“右偏态”}，“位置”，“东南”）
句柄h(1)和h(2)分别对应于正态分布和偏态分布的数据点。手柄h(3)和h(4)对应于与样本数据拟合的第二和第三四分位数线。手柄h(5)和h(6)对应于延伸到每组样本数据的最小值和最大值的外推线。
为了说明这一点，将正态分布数据样本(用h(3)表示)的第二和第三个四分位数线的线宽增加到2。
h(3)。行Width = 2; h(4).LineWidth = 2;
输入参数
输出参数
算法
normplot将样本数据的分位数与正态分布的分位数相匹配。对样本数据进行排序并绘制在x轴上。y轴表示正态分布的分位数，转换为概率值。因此，y轴缩放不是线性的。
x轴的值是什么我从一个大小的样本中排序的值N， y轴值为数据的经验累积分布函数的评价点之间的中点。中点等于 。
normplot叠加一条参考线来评估情节的线性度。这条线穿过数据的第一和第三个四分位数。
选择功能
你可以使用probplot函数创建概率图。的probplot函数使您能够指示屏蔽数据并指定概率图的分布。
