Кумулятивная функция распределения Weibull
p = wblcdf(x,a,b)
[p,plo,pup] = wblcdf(x,a,b,pcov,alpha)
[p,plo,pup] = wblcdf(___,'upper')
p = wblcdf(x,a,b) возвращает cdf распределения Weibull с масштабным коэффициентом a и сформируйте параметр b, в каждом значении в xXA, и b могут быть векторы, матрицы или многомерные массивы, что у всех есть тот же размер. Скалярный вход расширен до постоянного массива одного размера с другими входными параметрами. Значения по умолчанию для a и b оба 1. Параметры a и b mustBePositive.
[p,plo,pup] = wblcdf(x,a,b,pcov,alpha) возвращает доверительные границы для p когда входные параметры a и b оценки. pcov ковариационная матрица 2 на 2 предполагаемых параметров. alpha имеет значение по умолчанию 0,05 и задает 100 (1 - alpha) Доверительные границы %. plo и pup массивы одного размера с p содержа более низкие и верхние доверительные границы.
[p,plo,pup] = wblcdf(___,'upper') возвращает дополнение Weibull cdf для каждого значения в x, использование алгоритма, который более точно вычисляет экстремальные верхние вероятности хвоста. Можно использовать 'upper' с любым из предыдущих синтаксисов.
Функциональный wblcdf вычисляет доверительные границы для p использование нормального приближения к распределению оценки
и затем преобразовывает те границы к шкале выхода p. Вычисленные границы дают приблизительно желаемый доверительный уровень, когда вы оцениваете mu\sigma, и pcov от больших выборок, но в меньших выборках другие методы вычисления доверительных границ могут быть более точными.
Weibull cdf