Оценки параметра Weibull
parmhat = wblfit(data)
[parmhat,parmci] = wblfit(data)
[parmhat,parmci] = wblfit(data,alpha)
[...] = wblfit(data,alpha,censoring)
[...] = wblfit(data,alpha,censoring,freq)
[...] = wblfit(...,options)
parmhat = wblfit(data)
возвращает оценки наибольшего правдоподобия, parmhat
, параметров распределения Weibull, учитывая значения в векторном data
, который должен быть положительным. parmhat
является двухэлементным вектором - строкой: parmhat(1)
оценивает параметр Weibull a, и parmhat(2)
оценивает параметр Weibull b в PDF
[parmhat,parmci] = wblfit(data)
возвращает 95% доверительных интервалов для оценок a и b в матричном parmci
2 на 2. Первая строка содержит нижние границы доверительных интервалов для параметров, и вторая строка содержит верхние границы доверительных интервалов.
[[parmhat,parmci] = wblfit(data,alpha)
возвращается 100 (1 - alpha
) доверительные интервалы % для оценок параметра.
[...] = wblfit(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.
[...] = wblfit(data,alpha,censoring,freq)
принимает вектор частоты, freq
, одного размера как data
. Векторный freq
обычно 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.
[...] = wblfit(...,options)
принимает структуру, options
, который задает параметры управления для итеративного алгоритма функциональное использование, чтобы вычислить оценки наибольшего правдоподобия. Функция подгонки Weibull принимает структуру options
, которая может быть создана с помощью функционального statset
. Введите statset ('wblfit')
, чтобы видеть имена и значения по умолчанию параметров, которые lognfit
принимает в структуре options
. Смотрите страницу с описанием для statset
для получения дополнительной информации об этих опциях.
data = wblrnd(0.5,0.8,100,1); [parmhat, parmci] = wblfit(data) parmhat = 0.5861 0.8567 parmci = 0.4606 0.7360 0.7459 0.9973