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
