expcdf

指数累积分布函数

折叠所有页面

句法

P = expcdf（x）的
P = expcdf（X，亩）
[P，PLO，PUP] = expcdf（X，μ，pCov）
[P，PLO，PUP] = expcdf（X，μ，pCov，阿尔法）
___= expcdf（___，'上'）

描述

例

p= expcdf（X）返回标准指数分布的累积分布函数（CDF），在评价值X。

例

p= expcdf（X，亩）返回均值的指数分布的CDF亩，在评价值X。

例

[p，巴解组织，小狗] = expcdf（X，亩，pCov）也返回的95％置信区间[巴解组织，小狗]的p什么时候亩是具有方差的估计pCov。

[p，巴解组织，小狗] = expcdf（X，亩，pCov，α）指定置信区间的置信水平[巴解组织小狗] 成为100（1-α）％。

例

___= expcdf（___，'上'）返回CDF的补充，在评估值X，使用该更精确地计算极端上尾概率比从1中减去所述下尾值的算法。'上'可以按照任何在前面的语法输入参数的组合。

例子

全部收缩

开立真实脚本

计算在标准指数分布的观察落在间隔的概率[1 2]。

P = expcdf（[1 2]）;P（2） -  P（1）
ANS = 0.2325
开立真实脚本

指数分布的中位数是μ*日志（2）。

通过计算的CDF确认位数μ*日志（2）针对几种不同的选择μ。

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

平均的CDF总是等于1-1 / E（〜0.6321）。

确认通过计算平均值的对手段之一通过六个指数CDF的结果。

亩= 1：6;X =亩;P = expcdf（X，亩）
p =1×60.6321 0.6321 0.6321 0.6321 0.6321 0.6321
开立真实脚本

找到一个置信区间估计，一个观察是在区间的概率[0 1]使用指数分布数据。

生成的样本1000从平均5的指数分布中抽取的随机数。

RNG（'默认'）％用于重现X = exprnd（5,1000,1）;

与置信区间估计的平均值。

[muhat，穆齐] = expfit（x）的
muhat = 5.0129
穆齐=2×14.7161 5.3387

估计平均估计的方差。

[〜，nCov] = explike（muhat，x）的
nCov = 0.0251

创建置信区间估计的观察是在区间的概率[0 1]。

[P，PLO，PUP] = expcdf（1，muhat，nCov）;PCI = [PLO;小狗]
PCI =2×10.1710 0.1912

expcdf计算置信区间使用正常近似平均值的日志估计的分布。计算一个更精确的置信区间p通过评估expcdf在置信区间穆齐。

PCl 2 = expcdf（1，穆齐）
PCl 2 =2×10.1911 0.1708

边界PCI2在事件更可能逆转，因为较低的平均品牌和较高的平均使得事件的可能性较小。

开立真实脚本

确定的概率，从均值的指数分布观察1在区间[50 Inf文件]。

P1 = 1  -  expcdf（50.1）
P1 = 0

expcdf（50.1）近1，所以P1变0。指定'上'以便expcdf更准确地计算极端上尾概率。

P2 = expcdf（50,1，'上'）
P2 = 1.9287e-22

输入参数

全部收缩

值在该评估的cdf，指定为一个非负标量值或者非负标量值的阵列。

  • 为了评估在多个值的CDF，指定X使用阵列。

  • 为了评估多个分布的CDFS，指定亩使用阵列。

如果输入参数的一个或两个X和亩是数组，则数组的大小必须是相同的。在这种情况下，expcdf每个标量输入扩展到相同大小的阵列输入的恒定阵列。中的每个元素p是通过在相应元素中指定的分布的CDF值亩中，在相应的元件评价X。

例：[3 4 7 9]

数据类型：单|双

意味着指数分布，指定为正标量的值或正标量的值的阵列。

  • 为了评估在多个值的CDF，指定X使用阵列。

  • 为了评估多个分布的CDFS，指定亩使用阵列。

如果输入参数的一个或两个X和亩是数组，则数组的大小必须是相同的。在这种情况下，expcdf每个标量输入扩展到相同大小的阵列输入的恒定阵列。中的每个元素p是通过在相应元素中指定的分布的CDF值亩中，在相应的元件评价X。

例：[1 2 3 5]

数据类型：单|双

的估计方差亩，指定为正标量的值。

您可以估算亩从通过使用数据expfit要么MLE。然后，您可以估算的方差亩通过使用explike。将所得的区间边界信心基于日志的分布的正态近似亩估计。您可以通过应用获得更准确的设置界限expcdf通过返回的置信区间expfit。对于一个示例，请参见指数CDF值的置信区间。

例：0.10

数据类型：单|双

显着性水平为置信区间，指定为在范围（0,1）一个标量。置信水平100（1-α）％，其中α是置信区间不包含真值的概率。

例：0.01

数据类型：单|双

输出参数

全部收缩

在CDF值评价X，返回作为标量值或标量的值的数组。p的尺寸与相同X和亩之后的任何必要的标量膨胀。中的每个元素p是通过在相应元素中指定的分布的CDF值亩中，在相应的元件评价X。

置信开往p，返回作为标量值或标量的值的数组。巴解组织有大小相同p。

置信上开往p，返回作为标量值或标量的值的数组。小狗有大小相同p。

更多关于

全部收缩

指数CDF

指数分布是一个参数曲线族。参数μ是平均。

指数分布的CDF是

p = F （ X | ü ） = ∫ 0 X 1 μ Ë - Ť μ d Ť = 1 - Ë - X μ 。

结果p的概率是从平均指数分布的单一观察μ落在区间[0，X]。指数分布的常见的备用参数是使用λ在一个间隔被定义为事件的平均数，而不是μ，这是平均等待时间发生的事件。λ和μ是倒数。

欲了解更多信息，请参阅指数分布。

另类功能

  • expcdf是一个功能特定的指数分布。统计和机器学习工具箱™还提供了通用的功能CDF，其支持各种概率万博1manbetx分布。要使用CDF，创建ExponentialDistribution概率分布对象和传递对象作为输入参数，或指定的概率分布的名称和它的参数。需要注意的是具体分布函数expcdf比通用函数更快CDF。

  • 使用概率分布函数应用创建的累积分布函数（CDF）或概率密度函数（pdf）为概率分布的交互图。

扩展功能

C / C ++代码生成
生成使用MATLAB®编码器™C和C ++代码。

也可以看看

|||||||

主题

R2006a前推出

统计和机器学习工具箱文档
万博1manbetx
掌握机器学习：有步骤，分步指南与MATLAB

掌握机器学习：有步骤，分步指南与MATLAB

下载电子书