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, вычисленную при значениях в x.

пример

y = exppdf(x,mu) возвращает pdf экспоненциального распределения со средним значением mu, оценивается по значениям в x.

Примеры

свернуть все

Открыть сценарий в реальном времени

Вычислить плотность наблюдаемого значения 5 в стандартном экспоненциальном распределении.

y1 = exppdf(5) 
y1 = 0.0067

Вычислить плотность наблюдаемого значения 5 в экспоненциальных распределениях, указанных средствами 1 через 5.

y2 = exppdf(5,1:5)
y2 = 1×5

    0.0067    0.0410    0.0630    0.0716    0.0736

Вычислить плотность наблюдаемых значений 1 через 5 в экспоненциальных распределениях, указанных средствами 1 через 5соответственно. 

y3 = exppdf(1:5,1:5)
y3 = 1×5

    0.3679    0.1839    0.1226    0.0920    0.0736

Входные аргументы

свернуть все

Значения для вычисления pdf, заданные как неотрицательное скалярное значение или массив неотрицательных скалярных значений.

  • Чтобы вычислить pdf для нескольких значений, укажите x с использованием массива.

  • Чтобы вычислить pdfs нескольких распределений, укажите mu с использованием массива.

Если один или оба входных аргумента x и mu являются массивами, тогда размеры массивов должны быть одинаковыми. В этом случае exppdf расширяет каждый скалярный ввод в постоянный массив того же размера, что и входные данные массива. Каждый элемент в y - значение в формате pdf распределения, указанное соответствующим элементом в mu, оценивается в соответствующем элементе в x.

Пример: [3 4 7 9]

Типы данных: single | double

Среднее экспоненциального распределения, определяемое как положительное скалярное значение или массив положительных скалярных значений.

  • Чтобы вычислить pdf для нескольких значений, укажите x с использованием массива.

  • Чтобы вычислить pdfs нескольких распределений, укажите mu с использованием массива.

Если один или оба входных аргумента x и mu являются массивами, тогда размеры массивов должны быть одинаковыми. В этом случае exppdf расширяет каждый скалярный ввод в постоянный массив того же размера, что и входные данные массива. Каждый элемент в y - значение в формате pdf распределения, указанное соответствующим элементом в mu, оценивается в соответствующем элементе в x.

Пример: [1 2 3 5]

Типы данных: single | double

Выходные аргументы

свернуть все

Значения pdf вычисляются по значениям в x, возвращается в виде скалярного значения или массива скалярных значений. y имеет тот же размер, что и x и mu после любого необходимого скалярного расширения. Каждый элемент в y - значение в формате pdf распределения, указанное соответствующим элементом в mu, оценивается в соответствующем элементе в x.

Подробнее

свернуть все

Экспоненциальный pdf

Экспоненциальное распределение представляет собой однопараметрическое семейство кривых. Параметр λ представляет собой среднее значение.

Pdf экспоненциального распределения:

y = f (x 'λ) = 1 мкэ − xλ.

Общей альтернативной параметризацией экспоненциального распределения является использование λ, определяемого как среднее число событий в интервале в противоположность λ, которое является средним временем ожидания возникновения события. λ и λ являются взаимными.

Дополнительные сведения см. в разделе Экспоненциальное распределение.

Альтернативная функциональность

  • exppdf - функция, специфичная для экспоненциального распределения. Toolbox™ статистики и машинного обучения также предлагает универсальную функцию pdf, которая поддерживает различные распределения вероятностей. Использовать pdf, создайте ExponentialDistribution объект распределения вероятностей и передать объект в качестве входного аргумента или указать имя распределения вероятностей и его параметры. Обратите внимание, что специфичная для распределения функция exppdf быстрее, чем универсальная функция pdf.

  • Используйте приложение «Функция распределения вероятности» для создания интерактивного графика кумулятивной функции распределения (cdf) или функции плотности вероятности (pdf) для распределения вероятности.

Расширенные возможности

Создание кода C/C + +
Создайте код C и C++ с помощью MATLAB ® Coder™

.

См. также

| | | | | | |

Темы

Представлен до R2006a

Документация по инструментам для статистического и машинного обучения

Поддержка