Exponenta Banner
exponenta event banner

exppdf

Экспоненциальная функция плотности вероятности

свернуть все на странице

Синтаксис

y = exppdf(x)
y = exppdf(x,mu)

Описание

пример

y = exppdf(x) возвращает функцию плотности вероятности (PDF) стандартного экспоненциального распределения, вычисляемого в значениях в x.

пример

y = exppdf(x,mu) возвращает PDF экспоненциального распределения со средним mu, оцененный в значениях в x.

Примеры

свернуть все

Скрипт Open Live Script

Вычислите плотность наблюдаемой величины 5 в стандартном экспоненциальном распределении.

y1 = exppdf(5) 
y1 = 0.0067

Вычислите плотность наблюдаемой величины 5 в экспоненциальных распределениях, заданных средними значениями 1 до 5.

y2 = exppdf(5,1:5)
y2 = 1×5

    0.0067    0.0410    0.0630    0.0716    0.0736

Вычислите плотность наблюдаемых величин 1 через 5 в экспоненциальных распределениях, заданных средними значениями 1 через 5, соответственно. 

y3 = exppdf(1:5,1:5)
y3 = 1×5

    0.3679    0.1839    0.1226    0.0920    0.0736

Входные параметры

свернуть все

Значения, в которых можно оценить PDF в виде неотрицательного скалярного значения или массива неотрицательных скалярных значений.

  • Чтобы оценить PDF в нескольких значениях, задайте x использование массива.

  • Чтобы оценить pdfs нескольких распределений, задайте mu использование массива.

Если или или оба из входных параметров x и mu массивы, затем размеры массивов должны быть тем же самым. В этом случае, exppdf расширяет каждый скалярный вход в постоянный массив одного размера с входными параметрами массивов. Каждый элемент в y значение PDF распределения, заданного соответствующим элементом в mu, оцененный в соответствующем элементе в x.

Пример: [3 4 7 9]

Типы данных: single | double

Среднее значение экспоненциального распределения в виде значения положительной скалярной величины или массива значений положительной скалярной величины.

  • Чтобы оценить PDF в нескольких значениях, задайте x использование массива.

  • Чтобы оценить pdfs нескольких распределений, задайте mu использование массива.

Если или или оба из входных параметров x и mu массивы, затем размеры массивов должны быть тем же самым. В этом случае, exppdf расширяет каждый скалярный вход в постоянный массив одного размера с входными параметрами массивов. Каждый элемент в y значение PDF распределения, заданного соответствующим элементом в mu, оцененный в соответствующем элементе в x.

Пример: [1 2 3 5]

Типы данных: single | double

Выходные аргументы

свернуть все

значения PDF оценены в значениях в x, возвращенный как скалярное значение или массив скалярных значений. y одного размера с x и mu после любого необходимого скалярного расширения. Каждый элемент в y значение PDF распределения, заданного соответствующим элементом в mu, оцененный в соответствующем элементе в x.

Больше о

свернуть все

Экспоненциальный PDF

Экспоненциальное распределение является семейством кривых с одним параметром. Параметр μ является средним значением.

PDF экспоненциального распределения

y=f(x|μ)=1μe−xμ.

Общая альтернативная параметризация экспоненциального распределения должна использовать λ, заданный в качестве среднего количества событий в интервале в противоположность μ, который является средним временем ожидания для события, чтобы произойти. λ и μ являются обратными величинами.

Для получения дополнительной информации смотрите Экспоненциальное распределение.

Альтернативная функциональность

  • exppdf функционально-специализированное к экспоненциальному распределению. Statistics and Machine Learning Toolbox™ также предлагает родовой функции pdf, который поддерживает различные вероятностные распределения. Использовать pdf, создайте ExponentialDistribution объект вероятностного распределения и передача объект как входной параметр или задают имя вероятностного распределения и его параметры. Обратите внимание на то, что специфичный для распределения функциональный exppdf быстрее, чем родовая функция pdf.

  • Используйте приложение Probability Distribution Function, чтобы создать интерактивный график кумулятивной функции распределения (cdf) или функции плотности вероятности (PDF) для вероятностного распределения.

Расширенные возможности

Генерация кода C/C++
Генерация кода C и C++ с помощью MATLAB® Coder™.

Смотрите также

| | | | | | |

Темы

Представлено до R2006a

Документация Statistics and Machine Learning Toolbox
Поддержка