exppdf

Экспоненциальная функция плотности вероятностей

Свернуть все на странице

Синтаксис

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

Описание

пример

y = exppdf(x) возвращает функцию плотности вероятностей (PDF) стандартного экспоненциального распределения, рассчитанную по значениям в x.

пример

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

Примеры

свернуть все

Открыть Live Script

Вычислите плотность наблюдаемого значения 5 в стандартном экспоненциальном распределении.

y1 = exppdf(5) 
y1 = 0.0067

Вычислите плотность наблюдаемого значения 5 в экспоненциальных распределениях, заданных средствами 1 до 5.

y2 = exppdf(5,1:5)
y2 = 1×5

    0.0067    0.0410    0.0630    0.0716    0.0736

Вычислите плотность наблюдаемых значений 1 через 5 в экспоненциальных распределениях, заданных средствами 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, при которых можно вычислить pdf, заданные как неотрицательное скалярное значение или массив неотрицательных скалярных значений.

  • Чтобы вычислить PDF при нескольких значениях, задайте x использование массива.

  • Чтобы вычислить PDFS нескольких распределений, задайте mu использование массива.

Если один или оба входных параметров x и mu являются массивами, тогда размеры массивов должны быть одинаковыми. В этом случае, exppdf расширяет каждый скалярный вход в постоянный массив того же размера, что входы массива. Каждый элемент в y - значение PDF распределения, заданное соответствующим элементом в mu, рассчитывается в соответствующем элементе в x.

Пример: [3 4 7 9]

Типы данных: single | double

Среднее значение экспоненциального распределения, заданное как положительная скалярная величина значение или массив положительной скалярной величины значений.

  • Чтобы вычислить PDF при нескольких значениях, задайте x использование массива.

  • Чтобы вычислить PDFS нескольких распределений, задайте mu использование массива.

Если один или оба входных параметров x и mu являются массивами, тогда размеры массивов должны быть одинаковыми. В этом случае, exppdf расширяет каждый скалярный вход в постоянный массив того же размера, что входы массива. Каждый элемент в y - значение PDF распределения, заданное соответствующим элементом в mu, рассчитывается в соответствующем элементе в x.

Пример: [1 2 3 5]

Типы данных: single | double

Выходные аргументы

свернуть все

PDF, рассчитанные по значениям в x, возвращенный как скалярное значение или массив скалярных значений. y - тот же размер, что и x и mu после любого необходимого скалярного расширения. Каждый элемент в y - значение PDF распределения, заданное соответствующим элементом в mu, рассчитывается в соответствующем элементе в x.

Подробнее о

свернуть все

Экспоненциальный PDF

Экспоненциальное распределение является однопараметрическим семейством кривых. Средний параметр μ.

PDF экспоненциального распределения

y=f(x|μ)=1μe−xμ.

Общей альтернативной параметризацией экспоненциального распределения является использование λ, заданное как среднее количество событий в интервале, в отличие от μ, которое является средним временем ожидания наступления события. λ и μ являются обратными.

Для получения дополнительной информации смотрите Экспоненциальное распределение.

Альтернативная функциональность

  • exppdf является функцией, характерной для экспоненциального распределения. Statistics and Machine Learning Toolbox™ также предлагает общую функцию pdf, который поддерживает различные распределения вероятностей. Использовать pdf, создать ExponentialDistribution объект распределения вероятностей и передать объект как входной параметр или задать имя распределения вероятностей и его параметры. Обратите внимание, что специфичная для распределения функция exppdf быстрее, чем обобщенная функция pdf.

  • Используйте приложение Probability Distribution Function, чтобы создать интерактивный график совокупной функции распределения (cdf) или функции плотности вероятностей (pdf) для распределения вероятностей.

Расширенные возможности

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

.

См. также

| | | | | | |

Темы

Представлено до R2006a

Statistics and Machine Learning Toolbox документация

Поддержка

Для просмотра документации необходимо авторизоваться на сайте