深圳网站制作公司新闻,北京的网站设计公司,仿网站出售,如何注册公司网站免费注册一、功能
直方图是一种将数据分组到条柱中的条形图。该函数可以统计数据在划分区间内的数量分布#xff0c;同时以直方图的形式展示统计结果。
二、语法
1、histogram#xff08;X#xff09;
创建直方图X的图。该函数使用 一种自动分箱算法#xff0c;返回具有统一宽度…一、功能
直方图是一种将数据分组到条柱中的条形图。该函数可以统计数据在划分区间内的数量分布同时以直方图的形式展示统计结果。
二、语法
1、histogramX
创建直方图X的图。该函数使用 一种自动分箱算法返回具有统一宽度的分箱 选择以涵盖元素范围并揭示 分布的基础形状。 将条柱显示为矩形条以便每个矩形的高度 表示箱中的元素数。
2、histogramXnbins
指定条柱的数量。
3、histogramXedges
将条柱边分类到X向量。
4、histogramBinEdgesedgesBinCountscounts
绘制指定的条柱计数并且不执行任何数据条箱。
5、histogramCCategories
仅绘制C中的类别子集。
6、histogramCategoriesCategoriesBinCountscounts
手动指定类别和关联的 bin 计数。 绘制指定的条柱计数并执行histogram不执行任何数据合并。
7、输入数据
X— 要在 bin 向量之间分配的数据
C— 分类数据
nbins— 条柱数正整数
edges— 条柱边向量
Categories— 字符向量的直方图 元胞数组中包含的类别
counts— Bin 计数
三、示例
1、向量直方图
生成 10,000 个随机数并创建直方图。该函数会自动选择适当数量的条柱以覆盖值范围并显示基础分布的形状。
x randn(10000,1);
h histogram(x) 2、指定直方图条柱数
绘制 1,000 个随机数的直方图这些随机数被分类到 25 个等距的条柱中。
x randn(1000,1);
nbins 25;
h histogram(x,nbins) 3、更改直方图条柱的数量
生成 1,000 个随机数并创建直方图。
X randn(1000,1);
h histogram(X) 使用该功能粗略调整箱数。
Nbins morebins(h) 通过显式设置条柱数量在细粒度级别调整条柱。
h.NumBins 31; 4、指定直方图的条柱边
生成 1,000 个随机数并创建直方图。将条柱边指定为在直方图边上具有宽条柱的向量以捕获不满足条件的异常值∣x∣2.第一个向量元素是第一个条柱的左边缘最后一个向量元素是最后一个条柱的右边缘。
x randn(1000,1);
edges [-10 -2:0.25:2 10];
h histogram(x,edges); 指定属性以展平包含异常值的条柱。现在每个条柱的面积而不是高度表示该区间内的观测频率。
h.Normalization countdensity; 5、绘制分类直方图
创建表示投票的分类向量。向量中的类别为 、 或 。yesnoundecided
A [0 0 1 1 1 0 0 0 0 NaN NaN 1 0 0 0 1 0 1 0 1 0 0 0 1 1 1 1];
C categorical(A,[1 0 NaN],{yes,no,undecided})
绘制投票的分类直方图使用相对柱形宽度 0.5。
h histogram(C,BarWidth,0.5) 6、具有指定归一化的直方图
生成 1,000 个随机数并使用归一化创建直方图。
x randn(1000,1);
h histogram(x,Normalization,probability) 计算条形高度的总和。通过此归一化每个条形的高度等于在该条柱间隔内选择观测值的概率并且所有条形的高度总和为 1。
S sum(h.Values)
7、使用百分比的直方图
生成 100,000 个正态分布的随机数。使用标准差 15 和平均值 100。
x 100 15*randn(1e5,1);
绘制随机数的直方图。缩放 y 轴并将其标记为百分比。
edges 55:15:145;
histogram(x,edges,Normalizationpercentage)
ytickformat(percentage) 8、绘制多个直方图
生成两个随机数向量并在同一图中为每个向量绘制直方图。
x randn(2000,1);
y 1 randn(5000,1);
h1 histogram(x);
hold on
h2 histogram(y); 由于直方图的样本大小和条柱宽度不同因此很难进行比较。对直方图进行归一化使所有条形高度相加为 1并使用统一的条柱宽度。
h1.Normalization probability;
h1.BinWidth 0.25;
h2.Normalization probability;
h2.BinWidth 0.25; 9、调整直方图属性
生成 1,000 个随机数并创建直方图。返回直方图对象以调整直方图的属性而无需重新创建整个绘图。
x randn(1000,1);
h histogram(x) 准确指定要使用的箱数。
h.NumBins 15; 使用矢量指定条柱的边缘。向量中的第一个值是第一个条柱的左边缘。最后一个值是最后一个条柱的右边缘。
h.BinEdges [-3:3]; 更改直方图条的颜色。
h.FaceColor [0 0.5 0.5];
h.EdgeColor r; 10、确定基础概率分布
生成 5,000 个正态分布的随机数平均值为 5标准差为 2。绘制直方图以生成概率密度函数的估计值。
x 2*randn(5000,1) 5;
histogram(x,Normalization,pdf) 在此示例中正态分布数据的基础分布是已知的。但是您可以使用直方图通过将数据与已知概率密度函数进行比较来确定数据的基础概率分布pdf。
均值为正态分布的概率密度函数μ标准差σ和方差σ2是 叠加均值为 5 且标准差为 2 的正态分布的概率密度函数图。
hold on
y -5:0.1:15;
mu 5;
sigma 2;
f exp(-(y-mu).^2./(2*sigma^2))./(sigma*sqrt(2*pi));
plot(y,f,LineWidth,1.5) 11、保存和加载直方图对象
使用该功能保存图窗。
histogram(randn(10));
savefig(histogram.fig);
close gcf
用于将直方图加载回 MATLAB®。 还返回图的句柄。
h openfig(histogram.fig); 使用该函数从图窗手柄中找到正确的对象手柄。这允许您继续操作用于生成图窗的原始直方图对象。
y findobj(h,type,histogram)
