FindDistribution

FindDistribution[data]

data の分布にフィットする単純な関数形式を求める．

FindDistribution[data,n]

最良の分布を n 個まで求める．

FindDistribution[data,n,prop]

特性 prop と関連する最良の分布を n 個まで返す．

FindDistribution[data,n,{prop1,prop2,…}]

特性 prop1，prop2等に関連する最良の分布を n 個まで返す．

詳細とオプション

例題

すべて開くすべて閉じる

例  (2)

一様分布に従うランダムな整数のリストを作る：

データから，もとになっている分布を求める：

指数分布からサンプリングされたでデータを生成する：

データから最良の分布を求める：

もとの分布と推定分布の確率密度関数を比較する：

最良の分布を3つ返す：

ベイズ情報量基準の値と赤池情報量基準の値を比較する：

スコープ  (3)

混合分布からサンプルを取ってデータを生成する：

このデータから最良の分布を推定する：

もとの分布と推定分布の確率密度関数を視覚的に比較する：

特性の分布について母数を推定する：

デフォルトで，FindDistributionは単純な分布を返す：

求める分布のタイプを指定する：

指数分布からサンプルを取ってデータを生成する：

上位2分布についての全特性を含むDatasetを生成する：

オプション  (5)

TargetFunction  (3)

混合分布からデータサンプルを生成する：

特定の分布についての母数を推定する：

もとの分布と推定分布の確率密度関数を比較する：

間欠泉の噴出から次の噴出までの時間：

データの分布を推定する：

連続的であるとして扱われた場合のデータの分布を推定する：

連続的であるとして扱われた場合のデータの分布をGammaDistributionを使って推定する：

データのヒストグラムを推定分布の確率密度関数と比較する：

特定の分布についての母数を，その分布についての事前分布を仮定して推定する：

1935年から1989年までの米国の地震のマグニチュードには2つの峰がある：

TargetFunctionsを使わずに最良フィットを推定する：

分布についての事前分布を使って最良フィットを推定する：

推定分布の確率密度関数とヒストグラムを比較する：

PerformanceGoal  (1)

混合分布からデータサンプルを生成する：

ビッグデータの集合について最良フィットを推定し，PerformanceGoalのさまざまな設定についてAbsoluteTimingを比較する：

解のLogLikelihoodを比較する：

RandomSeeding  (1)

混合分布からデータサンプルを生成する：

FindDistributionの異なるラウンドを比較し，どのように違うかを見る：

オプションRandomSeedingを使って結果が異ならないようにする：

アプリケーション  (5)

特定の文字で始まる単語の長さ  (1)

母音で始まる辞書中のすべての英単語の長さ：

母音ごとの分布を推定する：

もとのデータのヒストグラムと推定分布のPDを比較する：

テキスト頻度  (1)

アメリカの独立宣言中の単語の出現数を数える：

単語数の分布を推定する：

もとのデータのヒストグラムと推定分布の確率密度関数を比較する：

デンマークにおけるメラノーマ  (1)

メラノーマに罹患した患者の年齢：

データ分布を推定する：

データのヒストグラムを推定分布の確率密度関数と比較する：

AIDSの感染時間  (1)

AIDSの感染時間（単位：年）：

データの分布を推定する：

データのヒストグラムと推定分布の確率密度関数を比較する：

カテーテルを交換してから腎感染までの時間  (1)

腎感染まで時間（単位：月）：

データの分布を推定する：

データのヒストグラムと推定分布の確率密度関数を比較する：

特性と関係  (1)

デフォルトで，FindDistributionParametersは最大尤度を使って固定分布の分布母数を推定する．FindDistributionはベイズ情報量基準と事前確率と組み合せる完全なベイズ的アプローチを使って最適な分布と最適な母数の両方を求める．

StudentTDistributionからサンプルを取ってデータを生成する：

FindDistributionを使ってこのデータに最もフィットする分布を推定する：

FindDistributionParametersを使い，StudentTDistributionを仮定して最適な母数を推定する：

StudentTDistributionは対数尤度を最小にするが，LogisticDistributionはこれに比べて事前確率が高く複雑さは低い．

対応するLogLikelihoodと比較する：

FindDistributionParametersとほぼ同じ母数を求めないなら，オプションTargetFunctionsを使うとよい：

Wolfram Research (2015), FindDistribution, Wolfram言語関数， https://reference.wolfram.com/language/ref/FindDistribution.html （2017年に更新）.

テキスト

Wolfram Research (2015), FindDistribution, Wolfram言語関数， https://reference.wolfram.com/language/ref/FindDistribution.html （2017年に更新）.

CMS

Wolfram Language. 2015. "FindDistribution." Wolfram Language & System Documentation Center. Wolfram Research. Last Modified 2017. https://reference.wolfram.com/language/ref/FindDistribution.html.

APA

Wolfram Language. (2015). FindDistribution. Wolfram Language & System Documentation Center. Retrieved from https://reference.wolfram.com/language/ref/FindDistribution.html

BibTeX

@misc{reference.wolfram_2024_finddistribution, author="Wolfram Research", title="{FindDistribution}", year="2017", howpublished="\url{https://reference.wolfram.com/language/ref/FindDistribution.html}", note=[Accessed: 25-November-2024 ]}

BibLaTeX

@online{reference.wolfram_2024_finddistribution, organization={Wolfram Research}, title={FindDistribution}, year={2017}, url={https://reference.wolfram.com/language/ref/FindDistribution.html}, note=[Accessed: 25-November-2024 ]}