# icdf
逆累积分布函数
函数库: TyStatistics
# 语法
# 说明
x = icdf(pd,p) 返回概率分布对象 pd 的 icdf 函数，以 p 中的概率值进行计算。示例
# 示例
使用分布对象计算正态分布 icdf
创建一个正态分布对象，并使用该对象计算正态分布的 icdf 值。
创建均值 μ 等于 1、标准差 σ 等于 5 的正态分布对象。
using TyStatistics
mu = 1
sigma = 5
pd = Normal(mu,sigma)
定义输入向量 x 以包含用于计算 icdf 的值。
p = [0.1,0.25,0.5,0.75,0.9]
基于 p 中的值计算正态分布的 icdf 值。
x = icdf.(pd,p)
5-element Vector{Float64}:
-5.407757827723001
-2.372448750980409
1.0
4.372448750980409
7.407757827723001
x 中的每个值对应于输入向量 p 中的一个值。例如，在值 p 等于 0.9 时，相应的 icdf 值 x 等于 7.4078。
计算泊松分布 icdf
创建一个泊松分布对象，使用的速率参数 λ 等于 2。
using TyStatistics
lambda = 2
pd = Poisson(lambda)
定义输入向量 p 以包含用于计算 icdf 的值。
p = [0.1,0.25,0.5,0.75,0.9]
基于 x 中的值计算泊松分布的 icdf 值。
x = icdf.(pd,p)
5-element Vector{Float64}:
0.0
1.0
2.0
3.0
4.0
x 中的每个值对应于输入向量 p 中的一个值。例如，在值 p 等于 0.9 时，相应的 icdf 值 x 等于 4。
绘制标准正态分布 icdf
创建一个标准正态分布对象。
using TyStatistics
pd = Normal()
Normal{Float64}(μ=0.0, σ=1.0)
通过计算上限和下限 2.5% 值，确定具有标准正态分布的检验统计量在 5% 显着性水平上的临界值。
x = icdf.(pd,[.025,.975])
2-element Vector{Float64}:
-1.9599639845400592
1.9599639845400576
计算标准正态临界值
创建一个标准正态分布对象。
pd = makedist("Normal")
pd = Normal{Float64}(μ=0.0, σ=1.0)
通过计算 2.5% 的上限值和下限值，确定具有标准正态分布的检验统计量在 5% 显著性水平下的临界值。
x = icdf.(pd,[.025,.975])
x = 2-element Vector{Float64}:
-1.9599639845400592
1.9599639845400576
对 cdf 绘图，并对临界域进行着色。
p, = normspec(x,0,1,"outside")
p = 0.049999999999999545
# 输入参数
p - 计算 icdf 的值
标量值 | 标量值数组
计算 icdf 的概率值，指定为标量值或范围 [0,1] 内的标量值数组。
如果一个或多个输入参数 p、A、B、C 和 D 是数组，则数组大小必须相同。在这种情况下，icdf 将每个标量输入扩展为与阵列输入大小相同的常数数组。
示例： [0.1,0.25,0.5,0.75,0.9]
pd - 概率分布
概率分布对象
概率分布，指定为下表中的概率分布对象之一。
# 输出参数
x - icdf 值
标量值 | 标量值数组
icdf 值，作为标量值或标量值数组返回。在任何必要的标量展开后，x 与 p 的大小相同。x 中的每个元素是分布的 icdf 值，由分布参数（A、B、C 和 D）中的相应元素指定，或由概率分布对象（pd）指定，在 p 中的相应元素处进行评估。