proflik

Профилируйте функцию правдоподобия для распределения вероятностей

Синтаксис

[ll,param] = proflik(pd,pnum)
[ll,param] = proflik(pd,pnum,'Display',display)
[ll,param] = proflik(pd,pnum,setparam)
[ll,param] = proflik(pd,pnum,setparam,'Display',display)
[ll,param,other] = proflik(___)

Описание

пример

[ll,param] = proflik(pd,pnum) возвращает векторный ll loglikelihood значений и векторный param соответствующих значений параметров для параметра в положении, обозначенном pnum.

[ll,param] = proflik(pd,pnum,'Display',display) возвращает loglikelihood значения и соответствующие значения параметров, и строит вероятность профиля, наложенную на приближении loglikelihood.

[ll,param] = proflik(pd,pnum,setparam) возвращает loglikelihood значения и соответствующие значения параметров, как задано setparam.

пример

[ll,param] = proflik(pd,pnum,setparam,'Display',display) возвращает loglikelihood значения и соответствующие значения параметров, как задано setparam, и строит вероятность профиля, наложенную на приближении loglikelihood.

пример

[ll,param,other] = proflik(___) также возвращает матричный other, содержащий значения других параметров, которые максимизируют вероятность, с помощью любого из входных параметров от предыдущих синтаксисов.

Примеры

свернуть все

Загрузите выборочные данные. Создайте объект распределения вероятностей путем подбора кривой распределению Weibull к милям на галлон (MPG) данные.

load carsmall
pd = fitdist(MPG,'Weibull')
pd = 
  WeibullDistribution

  Weibull distribution
    A = 26.5079   [24.8333, 28.2954]
    B = 3.27193   [2.79441, 3.83104]

Просмотрите названия параметра для распределения.

pd.ParameterNames
ans = 1x2 cell array
    {'A'}    {'B'}

Для распределения Weibull A находится в положении 1, и B находится в положении 2.

Вычислите вероятность профиля для B, который находится в положении pnum = 2.

[ll,param] = proflik(pd,2);

Отобразите loglikelihood значения для ориентировочных стоимостей B.

[ll',param']
ans = 21×2

 -329.9688    2.7132
 -329.4312    2.7748
 -328.9645    2.8365
 -328.5661    2.8981
 -328.2340    2.9597
 -327.9658    3.0213
 -327.7596    3.0830
 -327.6135    3.1446
 -327.5256    3.2062
 -327.4943    3.2678
      ⋮

Эти результаты показывают, что логарифмическая вероятность профиля максимизируется между предполагаемыми значениями B 3,2678 и 3.3295, которые соответствуют loglikelihood значениям-327.4943 и-327.5178. От более ранней подгонки MLE B 3.27193, который находится в этом интервале как ожидалось.

Загрузите выборочные данные. Создайте объект распределения вероятностей путем подбора кривой обобщенному распределению экстремума к милям на галлон (MPG) данные.

load carsmall
pd = fitdist(MPG,'GeneralizedExtremeValue')
pd = 
  GeneralizedExtremeValueDistribution

  Generalized Extreme Value distribution
        k = -0.207765   [-0.381674, -0.0338564]
    sigma =   7.49674   [6.31755, 8.89603]
       mu =   20.6233   [18.8859, 22.3606]

Просмотрите названия параметра для распределения.

pd.ParameterNames
ans = 1x3 cell array
    {'k'}    {'sigma'}    {'mu'}

Для обобщенного распределения экстремума k находится в положении 1, sigma находится в положении 2, и mu находится в положении 3.

Вычислите вероятность профиля для mu, который находится в положении pnum = 3. Ограничьте вычисление значениями параметров от 20 до 22 и отобразите график.

[ll,param,other] = proflik(pd,3,20:.1:22,'display','on');

График показывает ориентировочную стоимость для параметра mu, который максимизирует loglikelihood.

Отобразите loglikelihood значения для ориентировочных стоимостей mu и значения других параметров распределения, которые максимизируют соответствующий loglikelihood.

[ll',param',other]
ans = 21×4

 -327.5706   20.0000   -0.1803    7.4087
 -327.4971   20.1000   -0.1846    7.4218
 -327.4364   20.2000   -0.1890    7.4354
 -327.3887   20.3000   -0.1934    7.4493
 -327.3538   20.4000   -0.1978    7.4636
 -327.3317   20.5000   -0.2023    7.4783
 -327.3223   20.6000   -0.2067    7.4932
 -327.3257   20.7000   -0.2112    7.5084
 -327.3418   20.8000   -0.2156    7.5240
 -327.3706   20.9000   -0.2201    7.5399
      ⋮

Первый столбец содержит логарифмическое значение вероятности, которое соответствует оценке mu во втором столбце. Логарифмическая вероятность максимизируется между значениями параметров 20.6000 и 20.7000, соответствующий, чтобы регистрировать значения вероятности-327.3223 и-327.3257. Третий столбец содержит значение k, который максимизирует соответствующую логарифмическую вероятность для mu. Четвертый столбец содержит значение sigma, который максимизирует соответствующую логарифмическую вероятность для mu.

Входные параметры

свернуть все

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

Функция или приложениеОписание
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.

Номер параметра, для которого можно вычислить вероятность профиля, заданную как положительное целочисленное значение, соответствующее положению желаемого параметра в векторе названия параметра. Например, распределение Weibull имеет вектор названия параметра {'A','B'}, поэтому задайте pnum как 2, чтобы вычислить вероятность профиля для B.

Типы данных: single | double

Ограничение значения параметров, заданное как скалярное значение или вектор таких значений. Если вы не задаете setparam, proflik выбирает значения для выходного вектора param на основе метода доверительного интервала по умолчанию для распределения вероятностей pd. Если параметр может принять только ограниченные значения, и если доверительный интервал нарушает то ограничение, можно использовать setparam, чтобы задать допустимые значения.

Пример: [3,3.5,4]

Отобразите переключатель, заданный или как 'on' или как 'off'. Задайте 'on', чтобы отобразить профиль точного loglikelihood, наложенного на Вальдовом приближении loglikelihood. Задайте 'off', чтобы не использовать отображение. Вальдово приближение основано на расширении Ряда Тейлора вокруг предполагаемого значения параметров как функция параметра в положении pnum или его логарифм. Пересечение кривых с горизонтальной пунктирной линией отмечает конечные точки 95% доверительных интервалов.

Выходные аргументы

свернуть все

Значения Loglikelihood, возвращенные как вектор. loglikelihood является значением вероятности с параметром в положении набор pnum к значениям в param, максимизируемом по остающимся параметрам.

Значения параметров, соответствующие loglikelihood значениям в ll, возвращенном как вектор. Если вы задаете значения параметров с помощью setparam, то param равен setparam.

Другие значения параметров, которые максимизируют вероятность, возвратились как матрица. Каждая строка other содержит значения для всех параметров кроме параметра в положении pnum.

Введенный в R2013a

Для просмотра документации необходимо авторизоваться на сайте