Экспоненциальная обратная кумулятивная функция распределения
X = expinv(P,mu)
[X,XLO,XUP] = expinv(P,mu,pcov,alpha)
X = expinv(P,mu)
вычисляет инверсию экспоненциального cdf
с параметрами, заданными средним параметром mu
для соответствующих вероятностей в P
. P
и mu
могут быть векторами, матрицами или многомерными массивами, что у всех есть тот же размер. Скалярный вход расширен до постоянного массива с теми же размерностями как другой вход. Параметры в mu
должны быть положительными, и значения в P
должны лечь на интервал [0 1].
[X,XLO,XUP] = expinv(P,mu,pcov,alpha)
производит доверительные границы для X
, когда входной средний параметр mu
является оценкой. pcov
является отклонением предполагаемого mu
. alpha
задает 100 (1 - alpha
) доверительные границы %. Значение по умолчанию alpha
0.05. XLO
и XUP
являются массивами, одного размера как X
, содержащий более низкие и верхние доверительные границы. Границы основаны на нормальном приближении для распределения журнала оценки mu
. Если вы оцениваете mu
от набора данных, можно получить более точный набор границ путем применения expfit
к данным, чтобы получить доверительный интервал для mu
, и затем оценки expinv
в более низких и верхних конечных точках того интервала.
Инверсия экспоненциала cdf
Результатом, x, является значение, таким образом, что наблюдение от экспоненциального распределения с параметром µ упадет в области значений [0 x] с вероятностью p.
Позвольте времени жизни лампочек быть экспоненциально распределенным с µ = 700 часов. Что медиана является временем жизни лампы?
expinv(0.50,700) ans = 485.2030
Предположим, что вы покупаете поле “700-часовых” лампочек. Если 700 часов будут средней жизнью ламп, половина из них сожжет меньше чем через 500 часов.