1. 求正态分布的积分值
f
(
x
)
=
∫
−
∞
x
1
2
π
e
x
p
[
−
(
x
−
μ
)
2
2
σ
2
]
d
x
f(x) = \int_{-∞}^{x}{\frac{1}{\sqrt{2 \pi}}exp[-\frac{(x- \mu)^2}{2 \sigma^2}]}dx
f(x)=∫−∞x2π1exp[−2σ2(x−μ)2]dx
p = normcdf(x)
p = normcdf(x,mu)
p = normcdf(x,mu,sigma)
normcdf函数求均值为mu,标准差为sigma的正态分布,在
[
−
∞
,
x
]
[-∞,x]
[−∞,x]上的积分
其中,mu和sigma分别是公式里的
μ
和
σ
\mu和\sigma
μ和σ。
示例:
% 均值为2,方差为1的正态分布,在[-∞,2]上的积分
>> normcdf(2,2,1)
ans =
0.5000
% 均值为2,方差为1的正态分布,在[1.1,2]上的积分
>> normcdf(2,2,1) - normcdf(1.1,2,1)
ans =
0.3159
2. 已知积分值,求分位点
x
x
x
x = norminv( p )
x = norminv( p,mu )
x = norminv( p,mu,sigma )
示例:
% 均值为2,方差为1的正态分布,积分值为0.5时的分位点
>> norminv(0.5,2,1)
ans =
2
% 标准正态分布满足P{x0>x}=0.99
>> norminv(0.99)
ans =
2.3263