Доверительные интервалы для параметров распределения вероятностей
ci = paramci(pd)
ci = paramci(pd,Name,Value)
возвращает доверительные интервалы с дополнительными опциями, заданными одним или несколькими аргументами пары "имя-значение". Например, можно задать различный процент для доверительного интервала или вычислить доверительные интервалы только для выбранных параметров.ci
= paramci(pd
,Name,Value
)
Загрузите выборочные данные. Создайте вектор, содержащий первый столбец данных о классе экзамена студентов.
load examgrades
x = grades(:,1);
Соответствуйте объекту нормального распределения к данным.
pd = fitdist(x,'Normal')
pd = NormalDistribution Normal distribution mu = 75.0083 [73.4321, 76.5846] sigma = 8.7202 [7.7391, 9.98843]
Интервалы рядом с оценками параметра составляют 95% доверительных интервалов для параметров распределения.
Можно также получить эти интервалы при помощи функционального paramci
.
ci = paramci(pd)
ci = 2×2
73.4321 7.7391
76.5846 9.9884
Столбец 1 ci
содержит более низкие и верхние 95% контуров доверительного интервала для mu параметра, и столбец 2 содержит контуры для параметра сигмы.
Загрузите выборочные данные. Создайте вектор, содержащий первый столбец данных о классе экзамена студентов.
load examgrades
x = grades(:,1);
Соответствуйте объекту нормального распределения к данным.
pd = fitdist(x,'Normal')
pd = NormalDistribution Normal distribution mu = 75.0083 [73.4321, 76.5846] sigma = 8.7202 [7.7391, 9.98843]
Вычислите 99%-й доверительный интервал для параметров распределения.
ci = paramci(pd,'Alpha',.01)
ci = 2×2
72.9245 7.4627
77.0922 10.4403
Столбец 1 ci
содержит более низкие и верхние 99% контуров доверительного интервала для mu параметра, и столбец 2 содержит контуры для параметра сигмы.
pd
— Распределение вероятностейРаспределение вероятностей, заданное как объект распределения вероятностей, созданный с помощью одного из следующих.
Функция или приложение | Описание |
---|---|
makedist | Создайте объект распределения вероятностей использование заданных значений параметров. |
fitdist | Соответствуйте объекту распределения вероятностей к выборочным данным. |
Distribution Fitter | Соответствуйте распределению вероятностей к выборочным данным с помощью интерактивного приложения Distribution Fitter и экспортируйте подходящий объект в рабочую область. |
Укажите необязательные аргументы в виде пар ""имя, значение"", разделенных запятыми.
Имя (Name) — это имя аргумента, а значение (Value) — соответствующее значение.
Name
должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN.
'Alpha',0.01
задает 99%-й доверительный интервал.\alpha
Уровень значения0.05
(значение по умолчанию) | скалярное значение в области значений (0,1)Уровень значения для доверительного интервала, заданного как пара, разделенная запятой, состоящая из 'Alpha'
и скалярного значения в области значений (0,1). Доверительный уровень ci
является % 100(1–Alpha)
. Значение по умолчанию 0.05
соответствует 95%-му доверительному интервалу.
Пример: 'Alpha',0.01
Типы данных: single | double
'Parameter'
— Список параметровСписок параметров, для которого можно вычислить доверительные интервалы, заданные как пара, разделенная запятой, состоящая из 'Parameter'
и вектора символов, массива строк или массива ячеек из символьных векторов, содержащего названия параметра. По умолчанию paramci
вычисляет доверительные интервалы для всех параметров распределения.
Пример: 'Parameter','mu'
Типы данных: char
| string
| cell
Ввод
Метод вычисления'exact'
| 'Wald'
| 'lr'
Метод вычисления для доверительных интервалов, заданных как пара, разделенная запятой, состоящая из 'Type'
и 'exact'
, 'Wald'
или 'lr'
.
'exact'
вычисляет доверительные интервалы с помощью точного метода и доступен для следующих дистрибутивов.
Распределение | Метод вычисления |
---|---|
Бином | Вычислите использование метода Клоппер-Пирсона на основе точных вычислений вероятности. Этот метод не обеспечивает точные вероятности покрытия. |
Экспоненциал | Вычислите использование метода на основе распределения хи-квадрат. Этот метод предоставляет точную страховую защиту полному, и Тип 2 подверг цензуре выборки. |
Нормальный | Метод вычисления на основе t и распределений хи-квадрат для не прошедших цензуру выборок предоставляет точную страховую защиту не прошедшим цензуру выборкам. Для подвергнутых цензуре выборок paramci использует Вальдов метод, если Type является exact . |
Логарифмически нормальный | Метод вычисления на основе t и распределений хи-квадрат для не прошедших цензуру выборок предоставляет точную страховую защиту. Для подвергнутых цензуре выборок paramci использует Вальдов метод, если Type является exact . |
Пуассон | Метод вычисления на основе распределения хи-квадрат предоставляет точную страховую защиту. Для значительных степеней свободы хи-квадрат аппроксимирован нормальным распределением для числовой эффективности. |
Рэлеевский | Метод вычисления на основе распределения хи-квадрат обеспечивает точные вероятности покрытия. |
'exact'
является значением по умолчанию, когда это доступно. Также можно задать 'Wald'
, чтобы вычислить доверительные интервалы с помощью Вальдового метода или 'lr'
, чтобы вычислить доверительные интервалы с помощью метода отношения правдоподобия.
Пример: 'Type','Wald'
'LogFlag'
— Булев флаг для логарифмической шкалыБулев флаг для логарифмической шкалы, заданной как пара, разделенная запятой, состоящая из 'LogFlag'
и вектора, содержащего булевы значения, соответствующие каждому параметру распределения. Флаг задает который Вальдовы интервалы вычислить на логарифмической шкале. Значения по умолчанию зависят от распределения.
Пример: 'LogFlag',[0,1]
Типы данных: логический
ci
— Доверительный интервалДоверительный интервал, возвращенный как p-by-2 массив, содержащий нижние и верхние границы доверительного интервала % 100(1–Alpha)
для каждого параметра распределения. p является количеством параметров распределения.
Если вы создаете pd
при помощи makedist
и определения параметров распределения, нижние и верхние границы равны заданным параметрам.
1. Если смысл перевода понятен, то лучше оставьте как есть и не придирайтесь к словам, синонимам и тому подобному. О вкусах не спорим.
2. Не дополняйте перевод комментариями “от себя”. В исправлении не должно появляться дополнительных смыслов и комментариев, отсутствующих в оригинале. Такие правки не получится интегрировать в алгоритме автоматического перевода.
3. Сохраняйте структуру оригинального текста - например, не разбивайте одно предложение на два.
4. Не имеет смысла однотипное исправление перевода какого-то термина во всех предложениях. Исправляйте только в одном месте. Когда Вашу правку одобрят, это исправление будет алгоритмически распространено и на другие части документации.
5. По иным вопросам, например если надо исправить заблокированное для перевода слово, обратитесь к редакторам через форму технической поддержки.