Exponenta Banner
exponenta event banner

wblpdf

Функция плотности вероятности Weibull

свернуть все на странице

Синтаксис

y = wblpdf(x)
y = wblpdf(x,a)
y = wblpdf(x,a,b)

Описание

пример

y = wblpdf(x) возвращает функцию плотности вероятности (PDF) распределения Weibull модульными параметрами, оцененными в значениях в x.

пример

y = wblpdf(x,a) возвращает PDF распределения Weibull с масштабным коэффициентом a и модульная форма, оцененная в значениях в x. Это эквивалентно PDF экспоненциального распределения.

пример

y = wblpdf(x,a,b) возвращает PDF распределения Weibull с масштабным коэффициентом a и сформируйте параметр b, оцененный в значениях в x.

Примеры

свернуть все

Скрипт Open Live Script

Вычислите плотность наблюдаемой величины 3 в модульной шкале распределения Weibull и форме.

y1 = wblpdf(3)
y1 = 0.0498

Вычислите плотность наблюдаемой величины 3 в распределениях Weibull с масштабным коэффициентом 2 и сформируйте параметры 1 через 5. 

y2 = wblpdf(3,2,1:5)
y2 = 1×5

    0.1116    0.1581    0.1155    0.0427    0.0064
Скрипт Open Live Script

Экспоненциальное распределение параметром mu особый случай распределения Weibull, где a = mu и b = 1.

Вычислите плотность демонстрационных наблюдений в экспоненциальных распределениях со средними значениями 1 через 5 использование expcdf.

x = 0.2:0.2:1;
mu = 1:5;
y1 = exppdf(x,mu)
y1 = 1×5

    0.8187    0.4094    0.2729    0.2047    0.1637

Вычислите плотность тех же демонстрационных наблюдений с помощью wblpdf где масштабный коэффициент равен mu и параметром формы является 1.

y2 = wblpdf(x,mu)
y2 = 1×5

    0.8187    0.4094    0.2729    0.2047    0.1637

Две функции возвращают те же значения.

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 a и b использование массивов.

Если один или несколько входных параметров xA, и b массивы, затем размеры массивов должны быть тем же самым. В этом случае, wblpdf расширяет каждый скалярный вход в постоянный массив одного размера с входными параметрами массивов. Каждый элемент в y значение PDF распределения, заданного соответствующими элементами в a и b, оцененный в соответствующем элементе в x.

Пример: [3 4 7 9]

Типы данных: single | double

Масштабный коэффициент распределения Weibull 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 a и b использование массивов.

Если один или несколько входных параметров xA, и b массивы, затем размеры массивов должны быть тем же самым. В этом случае, wblpdf расширяет каждый скалярный вход в постоянный массив одного размера с входными параметрами массивов. Каждый элемент в y значение PDF распределения, заданного соответствующими элементами в a и b, оцененный в соответствующем элементе в x.

Пример: [1 2 3 5]

Типы данных: single | double

Сформируйте параметр распределения Weibull 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 a и b использование массивов.

Если один или несколько входных параметров xA, и b массивы, затем размеры массивов должны быть тем же самым. В этом случае, wblpdf расширяет каждый скалярный вход в постоянный массив одного размера с входными параметрами массивов. Каждый элемент в y значение PDF распределения, заданного соответствующими элементами в a и b, оцененный в соответствующем элементе в x.

Пример: [1 1 2 2]

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 xA, и b после любого необходимого скалярного расширения. Каждый элемент в y значение PDF распределения, заданного соответствующими элементами в a и b, оцененный в соответствующем элементе в x.

Больше о

свернуть все

Weibull PDF

Распределение Weibull является семейством кривых 2D параметра. Параметры a и b являются шкалой и формой, соответственно.

PDF Weibull

f(x|a,b)={ba(xa)b−1e−(x/a)bесли x≥0,0если x<0.

Некоторые экземпляры относятся к распределению Weibull одним параметром, который соответствует wblpdf с a = 1.

Для получения дополнительной информации см. Распределение Weibull.

Альтернативная функциональность

  • wblpdf функционально-специализированное к распределению Weibull. Statistics and Machine Learning Toolbox™ также предлагает родовую функцию pdf, который поддерживает различные вероятностные распределения. Использовать pdf, создайте WeibullDistribution объект вероятностного распределения и передача объект как входной параметр или задают имя вероятностного распределения и его параметры. Обратите внимание на то, что специфичная для распределения функция wblpdf 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