主要内容

expcdf

指数累积分布函数

折叠所有页面

语法

p = expcdf (x)
p = expcdf (x,μ)
[p,巴解组织,小狗]= expcdf (x,μ,pCov)
[p,巴解组织,小狗]= expcdf (x,μ,pCovα)
＿＿＿= expcdf (＿＿＿“上”)

描述

例子

p= expcdf (x）返回标准指数分布的累积分布函数(cdf)，按中的值求值x．

例子

p= expcdf (x，μ）返回具有均值的指数分布的CDFμ的值x．

例子

［p，巴解组织，小狗) = expcdf (x，μ，pCov）也返回95%置信区间[巴解组织，小狗的p当μ估计值是否有方差pCov．

［p，巴解组织，小狗) = expcdf (x，μ，pCov，α）指定置信区间的置信级别[巴解组织小狗)是100(1α)%．

例子

＿＿＿= expcdf (＿＿＿“上”)返回cdf的补码，按中的值求值x使用一种算法，比从1中减去下尾值更精确地计算出极端上尾概率。“上”可以跟随前面语法中的任何输入参数组合。

例子

全部折叠

打开生活的脚本

计算在标准指数分布中的观测值落在区间内的概率(1 2)．

P = expcdf([1 2]);p (2) - (1)
ans = 0.2325
打开生活的脚本

指数分布的中位数是µ*日志(2)．

通过计算的cdf来确定中位数µ*日志(2)几个不同的选择µ．

μ= 10:10:60;p = expcdf(日志(2)*亩,亩)
p =1×60.5000 0.5000 0.5000 0.5000 0.5000

均值的cdf总是等于1 - 1 / e(~ 0.6321)．

通过计算均值1到均值6的指数cdf来验证结果。

μ= 1:6;x =μ;p = expcdf (x,μ)
p =1×60.6321 0.6321 0.6321 0.6321 0.6321 0.6321
打开生活的脚本

找到一个置信区间，估计观测值在该区间内的概率[0 1]使用指数分布数据。

生成1000从指数分布中抽取的随机数，均值为5。

rng (“默认”）%的再现性x = exprnd (1000 1);

用置信区间估计均值。

[muhat, muci] = expfit (x)
muhat = 5.0129
muci =2×14.7161 - 5.3387

估计均值估计的方差。

[~, nCov] = explike (muhat, x)
nCov = 0.0251

创建置信区间，估计观测值在该区间内的概率[0 1]．

[p,巴解组织,小狗]= expcdf (1 muhat nCov);pCi =[巴解组织;小狗)
pCi =2×10.1710 - 0.1912

expcdf使用平均值的对数估计的分布的正态近似计算置信区间。计算更精确的置信区间p通过评估expcdf关于置信区间muci．

muci pCi2 = expcdf (1)
pCi2 =2×10.1911 - 0.1708

范围pCi2是相反的，因为较低的平均值使事件发生的可能性更大，较高的平均值使事件发生的可能性更小。

打开生活的脚本

从指数分布中确定观察到的概率1在区间内50[正]．

P1 = 1 - expcdf(50,1)
p1 = 0

expcdf (50, 1)几乎是1,所以p1就变成了0．指定“上”这expcdf更精确地计算极端上尾概率。

p2 = expcdf (50, 1“上”）
p2 = 1.9287 e-22

输入参数

全部折叠

用于计算cdf的值，指定为非负标量值或非负标量值数组。

  • 要在多个值上计算cdf，请指定x使用一个数组。

  • 要评估多个发行版的cdfs，请指定μ使用一个数组。

如果输入参数中的一个或两个x和μ为数组，则数组大小必须相同。在这种情况下,expcdf将每个标量输入展开为与数组输入大小相同的常量数组。中的每个元素p中对应的元素是否指定分布的CDF值μ的对应元素处求值x．

例子:[3 4 7 9]

数据类型:单|双

指数分布的平均值，指定为一个正标量值或一组正标量值。

  • 要在多个值上计算cdf，请指定x使用一个数组。

  • 要评估多个发行版的cdfs，请指定μ使用一个数组。

如果输入参数中的一个或两个x和μ为数组，则数组大小必须相同。在这种情况下,expcdf将每个标量输入展开为与数组输入大小相同的常量数组。中的每个元素p中对应的元素是否指定分布的CDF值μ的对应元素处求值x．

例子:[1 2 3 5]

数据类型:单|双

估计的方差μ，指定为正标量值。

你可以估计μ通过使用expfit或大中型企业．然后你可以估计方差μ通过使用explike．结果的置信区间界限是基于对数分布的正态近似μ估计。你可以通过应用得到一个更精确的界限集expcdf的置信区间expfit．例如，请参见指数cdf值的置信区间．

例子:0．10

数据类型:单|双

置信区间的显著性水平，指定为范围(0,1)中的标量。置信水平是100(1α)%,α为置信区间不包含真值的概率。

例子:０．０１

数据类型:单|双

输出参数

全部折叠

计算的CDF值x，作为标量值或标量值数组返回。p大小是一样的吗x和μ在任何必要的标量展开之后。中的每个元素p中对应的元素是否指定分布的CDF值μ的对应元素处求值x．

置信下限p，作为标量值或标量值数组返回。巴解组织有相同的尺寸p．

上置信界p，作为标量值或标量值数组返回。小狗有相同的尺寸p．

更多关于

全部折叠

指数提供

指数分布是一组单参数曲线。的参数μ是一个意思。

指数分布的cdf是

p ＝ F （ x | u ） ＝ ∫ 0 x 1 μ e − t μ d t ＝ 1 − e − x μ ．

结果p从指数分布中单个观察到的概率是均值吗μ落在中间[0,x］．常用的指数分布参数化方法是使用λ定义为一段时间内事件的平均数量，而不是μ，即事件发生的平均等待时间。λ和μ是倒数的。

有关更多信息，请参见指数分布．

选择功能

  • expcdf是特定于指数分布的函数。Statistics and Machine Learning Toolbox™也提供了通用函数提供，它支持各种概率金宝app分布。使用提供,创建一个ExponentialDistribution概率分布对象，并将该对象作为输入参数传递或指定概率分布名称及其参数。请注意特定分布函数expcdf比泛型函数快吗提供．

  • 使用概率分布函数为概率分布创建一个累积分布函数(cdf)或概率密度函数(pdf)的交互式图的应用程序。

扩展功能

C / c++代码生成
使用MATLAB®Coder™生成C和c++代码。

另请参阅

|||||||

主题

之前介绍过的R2006a

统计和机器学习工具箱文档

金宝app

掌握机器学习:一步一步的指导与MATLAB

掌握机器学习:一步一步的指导与MATLAB

下载电子书