主要内容

expinv

指数逆累积分布函数

描述

x= expinv (p返回标准指数分布的逆累积分布函数(icdf),在中的值处求值p

例子

x= expinv (pμ返回具有均值的指数分布的icdfμ的值p

例子

xxLoxUp) = expinv (pμpCov也返回95%置信区间[xLoxUpxμ估计值是否有方差pCov

xxLoxUp) = expinv (pμpCovα指定置信区间的置信级别[xLoxUp)是100(1α)%.

例子

全部折叠

假设灯泡的寿命是指数分布的,平均值为700个小时。使用expinv

expinv (0.50,700)
ans = 485.2030

一半的灯泡会在使用后的485小时内烧坏。

用指数分布的数据找到估计中位数的置信区间。

生成1000均值为5的指数分布随机数。

rng (“默认”%的再现性x = exprnd (5100 1);

用置信区间估计均值。

[muhat, muci] = expfit (x)
muhat = 4.5852
muci =2×13.8043 - 5.6355

估计均值估计的方差。

[~, pCov] = explike (muhat, x)
pCov = 0.2102

为中值创建置信区间。

[x, xLo xUp] = expinv(0.5、muhat pCov);xCi = [xLo;xUp]
xCi =2×12.6126 - 3.8664

或者,计算一个更精确的置信区间x通过评估expinv关于置信区间muci

muci xCi2 = expinv (0.5)
xCi2 =2×12.6369 - 3.9062

输入参数

全部折叠

用于计算icdf的概率值,指定为标量值或标量值数组,其中每个元素都在范围内[0, 1]

  • 要在多个值上计算icdf,请指定p使用一个数组。

  • 要评估多个发行版的icdfs,请指定μ使用一个数组。

如果输入参数中的一个或两个pμ为数组,则数组大小必须相同。在这种情况下,expinv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x中的对应元素是否指定分布的icdf值μ的对应元素处求值p

例子:(0.1, 0.5, 0.9)

数据类型:|

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icdf,请指定p使用一个数组。

  • 要评估多个发行版的icdfs,请指定μ使用一个数组。

如果输入参数中的一个或两个pμ为数组,则数组大小必须相同。在这种情况下,expinv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x中的对应元素是否指定分布的icdf值μ的对应元素处求值p

例子:[1 2 3 5]

数据类型:|

估计的方差μ,指定为正标量。

你可以估计μ通过使用expfit.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expinv的置信区间expfit.例如,请参见指数icdf值的置信区间

例子:0.10

数据类型:|

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:|

输出参数

全部折叠

中的概率值计算Icdf值p,作为标量值或标量值数组返回。x大小是一样的吗pμ在任何必要的标量展开之后。中的每个元素x中的对应元素是否指定分布的icdf值μ的对应元素处求值p

置信下限x,作为标量值或标量值数组返回。xLo有相同的尺寸x

上置信界x,作为标量值或标量值数组返回。xUp有相同的尺寸x

更多关于

全部折叠

指数icdf

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icdf为

x F 1 p | μ μ ln 1 p

结果x为参数为µ的指数分布观测值落在范围[0,x)的概率p.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。λμ是倒数的。

有关更多信息,请参见指数分布

选择功能

  • expinv是特定于指数分布的函数。Statistics and Machine Learning Toolbox™也提供了通用函数icdf,它支持各种概率金宝app分布。使用icdf,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expinv比泛型函数快吗icdf

扩展功能

C / c++代码生成
使用MATLAB®Coder™生成C和c++代码。

之前介绍过的R2006a