程序包 org.hipparchus.distribution.continuous

类 ExponentialDistribution

java.lang.Object
org.hipparchus.distribution.continuous.AbstractRealDistribution
org.hipparchus.distribution.continuous.ExponentialDistribution
所有已实现的接口:
Serializable, RealDistribution
public class ExponentialDistribution extends AbstractRealDistribution
指数分布的实现。
另请参阅:

  • 构造器详细资料

  • 方法详细资料

    • getMean

      public double getMean()
      访问均值。
      返回:
      均值。

    • density

      public double density(double x)
      返回在指定点 x 处评估的此分布的概率密度函数（PDF）。一般来说，PDF 是 CDF 的导数。如果在 x 处导数不存在，则应返回适当的替代值，例如 Double.POSITIVE_INFINITY、Double.NaN，或者差商的下限或上限。
      参数:
      x - 评估 PDF 的点
      返回:
      在点 x 处概率密度函数的值

    • logDensity

      public double logDensity(double x)
      返回在指定点 x 处评估的此分布的概率密度函数（PDF）的自然对数。一般来说，PDF 是 CDF 的导数。如果在 x 处导数不存在，则应返回适当的替代值，例如 Double.POSITIVE_INFINITY、Double.NaN，或者差商的下限或上限。请注意，由于浮点精度和下溢/上溢问题，对于某些分布，此方法可能比计算 RealDistribution.density(double) 的对数更精确和更快。

      默认实现只是计算 density(x) 的对数。

      指定者:
      logDensity 在接口中 RealDistribution
      覆盖:
      logDensity 在类中 AbstractRealDistribution
      参数:
      x - 评估 PDF 的点
      返回:
      在点 x 处概率密度函数的对数值

    • cumulativeProbability

      public double cumulativeProbability(double x)
      对于随机变量 X，其值根据此分布进行分布，此方法返回 P(X <= x)。换句话说，此方法表示此分布的（累积）分布函数（CDF）。此方法的实现基于：
      参数:
      x - 评估 CDF 的点
      返回:
      随机变量具有此分布的概率小于或等于 x 的概率

    • inverseCumulativeProbability

      public double inverseCumulativeProbability(double p) throws MathIllegalArgumentException
      计算此分布的分位函数。对于根据此分布分布的随机变量 X，返回的值为
      • inf{x in R | P(X<=x) >= p}，对于 0 < p <= 1，
      • inf{x in R | P(X<=x) > 0}，对于 p = 0。
      默认实现返回 当 p= = 0 时返回 0，当 p == 1 时返回 Double.POSITIVE_INFINITY。
      指定者:
      inverseCumulativeProbability 在接口中 RealDistribution
      覆盖:
      inverseCumulativeProbability 在类中 AbstractRealDistribution
      参数:
      p - 累积概率
      返回:
      此分布的最小 p-分位数（p = 0 时为最大的 0-分位数）
      抛出:
      MathIllegalArgumentException - 如果 p < 0 或 p > 1

    • getNumericalMean

      public double getNumericalMean()
      使用此方法获取此分布的均值的数值。对于均值参数 k，均值为 k。
      返回:
      均值或如果未定义则为 Double.NaN

    • getNumericalVariance

      public double getNumericalVariance()
      使用此方法获取此分布的方差的数值。对于均值参数 k，方差为 k^2。
      返回:
      方差（对于 TDistribution 中的某些情况可能为 Double.POSITIVE_INFINITY）或如果未定义则为 Double.NaN

    • getSupportLowerBound

      public double getSupportLowerBound()
      访问支持的下限。此方法必须返回与 inverseCumulativeProbability(0) 相同的值。换句话说，此方法必须返回

      inf {x in R | P(X <= x) > 0}。

      无论均值参数如何，支持的下限始终为 0。
      返回:
      支持的下限（始终为 0）

    • getSupportUpperBound

      public double getSupportUpperBound()
      访问支持的上限。此方法必须返回与 inverseCumulativeProbability(1) 相同的值。换句话说，此方法必须返回

      inf {x in R | P(X <= x) = 1}。

      无论均值参数如何，支持的上限始终为正无穷大。
      返回:
      支持的上限（始终为 Double.POSITIVE_INFINITY）

    • isSupportConnected

      public boolean isSupportConnected()
      使用此方法获取有关支持是否连通的信息，即支持的下限和上限之间的所有值是否都包含在支持中。此分布的支持是连通的。
      返回:
      真