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 параметрами, заданными средним параметром mu для соответствующих вероятностей в PP и mu могут быть векторы, матрицы или многомерные массивы, что у всех есть тот же размер. Скалярный вход расширен до постоянного массива с теми же размерностями как другой вход. Параметры в mu должно быть положительным и значения в P должен лечь на интервал [0 1].
[X,XLO,XUP] = expinv(P,mu,pcov,alpha) производит доверительные границы для X когда вход означает параметр mu оценка. pcov отклонение предполагаемого mu\alpha задает 100 (1 - alpha) Доверительные границы %. Значение по умолчанию alpha 0.05. XLO и XUP массивы одного размера с X содержа 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 оценка expinv в более низких и верхних конечных точках того интервала.
Инверсия экспоненциала cdf
Результатом, x, является значение, таким образом, что наблюдение от экспоненциального распределения 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.