|
exponential_graphic();
getch();
closegraph();
}
void exponential_graphic()
{
int i;
double x, x_term, y[560];
x_term = 70.0;
setcolor(RED);
for(i=0; i<560; i++)
{
x = i / x_term;
y[i] = para * exp( -1.0 * para * x );
}
for(i=0; i<560; i++)
{
x_term = 50 + i;
y[i] = 430 - ( y[i] * 1600 );
circl
|
|
|
그래프와 더 흡사한 형태가 나온다는 것을 확인할 수 있다. 1. Uniform
(1) pdf/cdf
(2) pdf/cdf 랜덤 샘플 20000개
(3) 분석
2. exponential
(1) pdf/cdf
(2) pdf/cdf 랜덤 샘플 20000개
(3) 분석
3. gaussian
(1) pdf/cdf
(2) pdf/cdf 랜덤 샘플 20000개
(3) 분석
|
|
|
방법을 사용
>> Uniform = rand(100000,1);
>> for i=1:1:100000,
Rayleigh(i) = sqrt(-log(1-Uniform(i)));
end
>> hist(Rayleigh,100) 1. Uniform Random Number 생성
2. Exponential Random Number 만들고 Histogram 출력
3. Gaussian Random Number 생성
4. Rayleigh Random Number 생성
|
|
|
: 4984)
라. Exponential Smoothing Method
감쇠인수가 0.2일때 (평균 MSE : 30663765 MAD : 4433)
2) 최적의 Forecasting 방법
가. MSE 크기 나. MAD 크기
⇒ Average Change Method가 가장 적은 MSE, MAD값을 나타낸다.
반면에, Moving Average Method이 가장 큰 MSE, MAD값을 나타낸다
|
|
|
>>t=0:0.001:1;
>>tri=A*sawtooth(w0*t,W);
>>plot(t,tri)
2)capture
2. Growing exponential
-
1)commands
>>B=2;
>>r=1.2;
>>n=-10:10;
>>x=B*r.^n;
>>stem(n,x)
2)capture
3. Sine signal
-
1)commands
>>A=5;
>>w0=10*pi;
>>phi=pi/6;
>>t=
|
|
메뉴펼치기
