Main Content

exppdf

지수 확률 밀도 함수

설명

예제

y = exppdf(x)는 표준 지수 분포에 대한 확률 밀도 함수(pdf)를 x의 값에서 계산하여 반환합니다.

예제

y = exppdf(x,mu)는 평균이 mu인 지수 분포에 대한 pdf를 x의 값에서 계산하여 반환합니다.

예제

모두 축소

표준 지수 분포에서 관측값 5의 밀도를 계산합니다.

y1 = exppdf(5) 
y1 = 0.0067

평균이 1에서 5까지로 지정된 지수 분포에서 관측값 5의 밀도를 계산합니다.

y2 = exppdf(5,1:5)
y2 = 1×5

    0.0067    0.0410    0.0630    0.0716    0.0736

평균이 1에서 5까지로 지정된 지수 분포에서 관측값 1에서 5까지의 각 밀도를 계산합니다.

y3 = exppdf(1:5,1:5)
y3 = 1×5

    0.3679    0.1839    0.1226    0.0920    0.0736

입력 인수

모두 축소

pdf를 계산할 지점의 값으로, 음이 아닌 스칼라 값 또는 음이 아닌 스칼라 값으로 구성된 배열로 지정됩니다.

  • 여러 값에서 pdf를 계산하려면 배열을 사용하여 x를 지정하십시오.

  • 여러 분포의 pdf를 계산하려면 배열을 사용하여 mu를 지정하십시오.

입력 인수 xmu 중 하나 또는 둘 모두가 배열인 경우 배열 크기가 서로 같아야 합니다. 이 경우, exppdf 함수가 각각의 스칼라 입력값을 배열 입력값과 동일한 크기의 상수 배열로 확장합니다. y의 각 요소는 mu에서 대응되는 요소로 지정된 분포에 대한 pdf 값으로, x의 대응되는 요소에서 계산됩니다.

예: [3 4 7 9]

데이터형: single | double

지수 분포의 평균으로, 양의 스칼라 값 또는 양의 스칼라 값으로 구성된 배열로 지정됩니다.

  • 여러 값에서 pdf를 계산하려면 배열을 사용하여 x를 지정하십시오.

  • 여러 분포의 pdf를 계산하려면 배열을 사용하여 mu를 지정하십시오.

입력 인수 xmu 중 하나 또는 둘 모두가 배열인 경우 배열 크기가 서로 같아야 합니다. 이 경우, exppdf 함수가 각각의 스칼라 입력값을 배열 입력값과 동일한 크기의 상수 배열로 확장합니다. y의 각 요소는 mu에서 대응되는 요소로 지정된 분포에 대한 pdf 값으로, x의 대응되는 요소에서 계산됩니다.

예: [1 2 3 5]

데이터형: single | double

출력 인수

모두 축소

x의 값에서 계산된 pdf 값으로, 스칼라 값 또는 스칼라 값으로 구성된 배열로 반환됩니다. 필요한 스칼라 확장을 수행한 후 yxmu와 크기가 같아집니다. y의 각 요소는 mu에서 대응되는 요소로 지정된 분포에 대한 pdf 값으로, x의 대응되는 요소에서 계산됩니다.

세부 정보

모두 축소

지수 pdf

지수 분포는 1-모수 곡선족입니다. 모수 μ는 평균입니다.

지수 분포의 pdf는 다음과 같습니다.

y=f(x|μ)=1μexμ.

지수 분포 모수화에 대한 일반적인 대체 방법은 사건이 발생하기까지 기다리는 시간의 평균인 μ 대신에, 간격 내 사건 수의 평균으로 정의되는 λ를 사용하는 것입니다. λ와 μ는 서로 역수입니다.

자세한 내용은 지수 분포 항목을 참조하십시오.

대체 기능

  • exppdf는 지수 분포 전용 함수입니다. Statistics and Machine Learning Toolbox™는 다양한 확률 분포를 지원하는 일반 함수 pdf도 제공합니다. pdf을 사용하려면 ExponentialDistribution 확률 분포 객체를 생성하고 이 객체를 입력 인수로 전달하거나 확률 분포 이름과 해당 모수를 지정하십시오. 참고로, 분포 전용 함수 exppdf 함수가 일반 함수 pdf보다 더 빠릅니다.

  • 확률 분포 함수 앱을 사용하면 확률 분포에 대한 누적 분포 함수(cdf) 또는 확률 밀도 함수(pdf)의 대화형 방식 플롯을 생성할 수 있습니다.

확장 기능

C/C++ 코드 생성
MATLAB® Coder™를 사용하여 C 코드나 C++ 코드를 생성할 수 있습니다.

버전 내역

R2006a 이전에 개발됨