Подбирайте модель линейной регрессии и получите значение по умолчанию 95% доверительных интервалов для получившихся коэффициентов модели.

Загрузите carbig набор данных и составляет таблицу в который Origin предиктор является категориальным.

load carbig
Origin = categorical(cellstr(Origin));
tbl = table(Horsepower,Weight,MPG,Origin);

Подбирайте модель линейной регрессии. Задайте Horsepower, Weight, и Origin как переменные предикторы, и задают MPG как переменная отклика.

modelspec = 'MPG ~ 1 + Horsepower + Weight + Origin';
mdl = fitlm(tbl,modelspec);

Просмотрите имена коэффициентов.

mdl.CoefficientNames

ans = 1x9 cell array
  Columns 1 through 4

    {'(Intercept)'}    {'Horsepower'}    {'Weight'}    {'Origin_France'}

  Columns 5 through 7

    {'Origin_Germany'}    {'Origin_Italy'}    {'Origin_Japan'}

  Columns 8 through 9

    {'Origin_Sweden'}    {'Origin_USA'}

Найдите доверительные интервалы для коэффициентов модели.

ci = coefCI(mdl)

ci = 9×2

   43.3611   59.9390
   -0.0748   -0.0315
   -0.0059   -0.0037
  -17.3623   -0.3477
  -15.7503    0.7434
  -17.2091    0.0613
  -14.5106    1.8738
  -18.5820   -1.5036
  -17.3114   -0.9642

Подбирайте модель линейной регрессии и получите доверительные интервалы для получившихся коэффициентов модели с помощью заданного доверительного уровня.

Загрузите carbig набор данных и составляет таблицу в который Origin предиктор является категориальным.

load carbig
Origin = categorical(cellstr(Origin));
tbl = table(Horsepower,Weight,MPG,Origin);

Подбирайте модель линейной регрессии. Задайте Horsepower, Weight, и Origin как переменные предикторы, и задают MPG как переменная отклика.

modelspec = 'MPG ~ 1 + Horsepower + Weight + Origin';
mdl = fitlm(tbl,modelspec);

Найдите 99% доверительных интервалов для коэффициентов.

ci = coefCI(mdl,.01)

ci = 9×2

   40.7365   62.5635
   -0.0816   -0.0246
   -0.0062   -0.0034
  -20.0560    2.3459
  -18.3615    3.3546
  -19.9433    2.7955
  -17.1045    4.4676
  -21.2858    1.2002
  -19.8995    1.6238

Доверительные интервалы более широки, чем значение по умолчанию 95% доверительных интервалов в Доверительных интервалах Находки для Коэффициентов модели.