Оценки параметра экстремума
parmhat = evfit(data)
[parmhat,parmci] = evfit(data)
[parmhat,parmci] = evfit(data,alpha)
[...] = evfit(data,alpha,censoring)
[...] = evfit(data,alpha,censoring,freq)
[...] = evfit(data,alpha,censoring,freq,options)
parmhat = evfit(data)
возвращает оценки наибольшего правдоподобия параметров распределения экстремума типа 1, учитывая данные в векторном data
. parmhat(1)
является параметром положения, µ
, и parmhat(2)
является масштабным коэффициентом, σ.
[parmhat,parmci] = evfit(data)
возвращает 95% доверительных интервалов для оценок параметра на µ
и σ параметрах в матричном parmci
2 на 2. Первый столбец матрицы подгонки экстремума содержит более низкие и верхние доверительные границы для параметра µ
, и второй столбец содержит доверительные границы для параметра σ.
[parmhat,parmci] = evfit(data,alpha)
возвращается 100 (1 - alpha
) доверительные интервалы % для оценок параметра, где alpha
является значением в области значений [0 1]
, задающий ширину доверительных интервалов. По умолчанию alpha
является 0.05
, который соответствует 95% доверительных интервалов.
[...] = evfit(data,alpha,censoring)
принимает булев вектор, censoring
, одного размера как data
, который является 1
для наблюдений, которые подвергаются цензуре правом и 0
для наблюдений, которые наблюдаются точно.
[...] = evfit(data,alpha,censoring,freq)
принимает вектор частоты, freq
, одного размера как data
. Как правило, freq
содержит целочисленные частоты для соответствующих элементов в data
, но может содержать любые неотрицательные значения. Передайте в []
для alpha
, censoring
или freq
, чтобы использовать их значения по умолчанию.
[...] = evfit(data,alpha,censoring,freq,options)
принимает структуру, options
, который задает параметры управления для итеративного алгоритма функциональное использование, чтобы вычислить оценки наибольшего правдоподобия. Можно создать options
с помощью функционального statset
. Введите statset('evfit')
, чтобы видеть имена и значения по умолчанию параметров, которые evfit
принимает в структуре options
. Смотрите страницу с описанием для statset
для получения дополнительной информации об этих опциях.
Распределение экстремума типа 1 также известно как распределение Gumbel. Версия, используемая здесь, подходит для моделирования минимумов; зеркальное отображение этого распределения может использоваться к максимумам модели путем отрицания X
. Дополнительную информацию см. в Распределении Экстремума. Если x имеет распределение Weibull, то X = журнал (x) имеет распределение экстремума типа 1.