probplot
概率情节
语法
描述
probplot (创建一个正态概率图，比较数据的分布y）y趋于正态分布。
probplot绘制每个数据点y使用标记符号并绘制代表理论分布的参考线。如果样本数据具有正态分布，则数据点沿参考线出现。参考线连接数据的第一个和第三个四分位数，并延伸到数据的两端。非正态分布在数据图中引入曲率。
probplot (属性指定的现有概率图轴中添加一个概率图斧头，___）斧头，使用前面语法中的任何输入参数。
probplot (___, ' noref ')从绘图中省略参考线。
例子
创建威布尔概率图
生成样本数据并创建概率图。
生成示例数据。样例x1包含500个带尺度参数的威布尔分布随机数A = 3形状参数B = 3．样例x2包含500个来自带尺度参数的瑞利分布的随机数B = 3．
rng (“默认”）;%用于再现性X1 = wblrnd(3,3，[500,1]);X2 = raylrnd(3，[500,1]);
创建一个概率图来评估数据是否正确x1而且x2来自威布尔分布。
图probplot (“威布尔”，[x1 x2])“威布尔样本”，“瑞利样本”，“位置”，“最佳”）
概率图表明，数据在x1来自威布尔分布，而数据在x2没有。
或者，您可以使用wblplot来创建威布尔概率图。
在概率图中添加拟合线
在同一图形上创建一个概率图和一个附加的拟合线。
生成在尾部包含约20%异常值的样本数据。样本数据的左尾包含10个随机生成的值，这些值来自一个带参数的指数分布= 1．右尾包含10个随机生成的值，这些值来自带参数的指数分布Mu = 5．样本数据的中心包含由标准正态分布随机生成的80个值。
rng (“默认”）%用于再现性Left_tail = - expend (1,10,1);Right_tail = extend (5,10,1);中心= randn(80,1);Data = [left_tail;center;right_tail];
创建一个概率图来评估样本数据是否来自正态分布。
probplot(数据)
画一个t位置-尺度曲线上同一张图进行比较数据．
P = mle(数据，“分布”，“tLocationScale”）;T = @(data,mu,sig,df)“tLocationScale”、数据、μ,团体,df);H = probplot(gca,t,p);h.Color =“r”；h.LineStyle =＇-＇；标题(“{\bf概率图}”)传说(“正常”，“数据”，“t”，“位置”，“西北”）
该图显示，无论是法线还是t由于异常值的存在，位置-尺度曲线很好地拟合了尾部。
用半正态概率图识别显著效应
创建半正态概率分布图，以确定实验中的显著影响，以研究可能影响化学制造过程中流速的因素。这四个因素是反应物一个，B，C,D．每种因子存在于两个水平(高浓度和低浓度)。实验在每个因子水平上只包含一次复制。
加载样例数据。
负载流量
表的前四列流量包含因素及其相互作用的设计矩阵。设计矩阵编码使用1对于高因素水平和－1对于低因子水平。第五列流量包含测量的流量。
拟合线性回归模型率作为响应变量。使用预测变量一个，B，C，D，以及它们所有的相互作用项。
MDL = fitlm(流量，'速率~ A*B*C*D'）;
计算和存储因素效应估计的绝对值。为了获得因子效应估计值，将模型拟合期间获得的系数估计值乘以2。这个步骤是必要的，因为回归系数测量的是一个单位变化的影响x以…的意思y．然而，影响估计测量了两个单位的变化x由于设计矩阵编码为-1和1。排除基线测量。注意，因子的顺序mdl可能与原设计矩阵中的顺序不同。
effects = abs(mll . coefficients {2:end,1}*2);
使用效果估计的绝对值(不包括基线)创建半正态概率图。
图h = probplot(“halfnormal”、影响);
标记点和格式的图表。首先，返回排序后的效果估计的索引值(从最低到最高)。然后使用这些索引值对存储在图形句柄中的概率值进行排序(h(1)。YData）.
[b,i] = sort(effects);prob(i) = h(1).YData;
在每个点向图形添加文本标签。对于每个点，x值是影响估计，y值是相应的概率。
文本(效果、概率、mdl.CoefficientNames(2:结束),“字形大小”8.．.“VerticalAlignment”，“高级”) h(1)。颜色=“r”；
离基准线较远的点表示影响显著。
使用频率数据创建正态概率图
生成模拟频率数据。
Y = 1:10;频率= [2 4 6 7 9 8 7 7 6 5];
使用频率数据创建一个正常的概率图。
probplot (y,[],频率)
正态概率图表明数据不是正态分布。
输入参数
输出参数
算法
probplot将样本数据的分位数与给定概率分布的分位数匹配。对样本数据进行排序，按比例选择经销，并在x轴上绘制。当经销是对数正态的，“loglogistic”,或“威布尔”时，标度为对数。否则，缩放是线性的。y轴表示中指定的分布的分位数经销，转换为概率值。缩放取决于给定的分布，并且不是线性的。
x轴的值是什么我从大小样本中排序的值N， y轴值为数据经验累积分布函数各评价点之间的中点。在未删减数据的情况下，中点等于 ．
probplot叠加一条参考线以评估图的线性度。如果数据是未经审查的，那么这条线穿过数据的第一个和第三个四分位数。如果数据被删减，那么这条线将相应地移位。如果数据未经审查经销是“正常”的一半,然后probplot而是使用第零和第二个四分位数。
您也可以从以下列表中选择一个网站:
