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.
