
Q-Q图是一种散点图,对应于正态分布的Q-Q图,就
Q-Q图可以用于检验数据的分布,所不同的是,Q-Q图是用变量数据分布的分位数与所指定分布的分位数之间的关系曲线来进行检验的。
要利用QQ图鉴别样本数据是否近似于正态分布,只需看QQ图上的点是否近似地在一条直线附近,而且该直线的斜率为标准差,截距为均值
在matlab中画QQ图使用的函数就是qqplot,他有3种用法
qqplot(X)
qqplot(X,Y)
qqplot(X,Y,pvec)
h
=
qqplot(X,Y,pvec)
第一种是qqplot(X)
可以画X与正态分布的分位数图,即QQ图,可用于判断X是否为正态分布。
第二种是qqplot(X,Y),可以画x,y他们各自分位数为横纵坐标的图
第三种qqplot(X,Y,pvec)
可以为QQ图专门一组指定分位数pvec
,h
=
qqplot(X,Y,pvec)其中h是返回该线的句柄
一个使用例子:
x = poissrnd(10,50,1)
y = poissrnd(5,100,1)
qqplot(x,y)
想要看到跟详细的说明请在matlab中输入
doc
qqplot
1、首先双击matlab软件图标,打开matlab软件,可以看到matlab软件的界面。
2、使用函数normrnd()创建一个服从正态分布的随机数样本w。
3、使用函数gamrnd()创建一个服从gamma分布的随机数样本v。
4、在命令行窗口中输入:subplot(2,1,1)qqplot(v),将图像分成上下两部分,在图像的上半部分绘制样本v与服从正态分布的理论数据的q-q图。
5、最后查看绘制gamma分布的q-q图,注意图像中使用+表示样本数据,将每个分布的1/4到3/4处进行连线。
这个是指定weibull分布的,直接可以编译出结果,不同的分布改下就可以了,[Params]=wblfit(X)
pd=makedist('weibull',Params(1),Params(2))
figure
qqplot(X,pd)
欢迎分享,转载请注明来源:内存溢出
微信扫一扫
支付宝扫一扫
评论列表(0条)