paramci

Доверительные интервалы для параметров распределения вероятностей

Синтаксис

ci = paramci(pd)
ci = paramci(pd,Name,Value)

Описание

пример

ci = paramci(pd) возвращает массив ci, содержащий более низкие и верхние контуры 95%-го доверительного интервала для каждого параметра в распределении вероятностей 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.

Примеры

свернуть все

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.

Входные параметры

свернуть все

Распределение вероятностей, заданное как объект распределения вероятностей, созданный с помощью одного из следующих.

Функция или приложениеОписание
makedistСоздайте объект распределения вероятностей использование заданных значений параметров.
fitdistСоответствуйте объекту распределения вероятностей к выборочным данным.
Distribution FitterСоответствуйте распределению вероятностей к выборочным данным с помощью интерактивного приложения Distribution Fitter и экспортируйте подходящий объект в рабочую область.

Аргументы в виде пар имя-значение

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.

Пример: 'Alpha',0.01 задает 99%-й доверительный интервал.

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

Список 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

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.

РаспределениеМетод вычисления
БиномВычислите использование метода Клоппер-Пирсона на основе точных вычислений вероятности. Этот метод не обеспечивает точные вероятности покрытия.
ЭкспоненциалВычислите использование метода на основе распределения хи-квадрат. Этот метод предоставляет точную страховую защиту полному, и Тип 2 подверг цензуре выборки.
НормальныйМетод 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 нормальныйМетод 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.
ПуассонМетод вычисления на основе распределения хи-квадрат предоставляет точную страховую защиту. Для значительных степеней свободы хи-квадрат аппроксимирован нормальным распределением для числовой эффективности.
РэлеевскийМетод 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'

Булев 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

Выходные аргументы

свернуть все

Доверительный 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.

Введенный в R2013a

Для просмотра документации необходимо авторизоваться на сайте