paramci

Доверительные интервалы для параметров вероятностного распределения

Описание

пример

ci = paramci(pd) возвращает массив ci содержа более низкие и верхние контуры 95%-го доверительного интервала для каждого параметра в вероятностном распределении pd.

ci = paramci(pd,Name,Value) возвращает доверительные интервалы с дополнительными опциями, заданными одним или несколькими аргументами пары "имя-значение". Например, можно задать различный процент для доверительного интервала или вычислить доверительные интервалы только для выбранных параметров.

Примеры

свернуть все

Загрузите выборочные данные. Создайте вектор, содержащий первый столбец данных о классе экзамена студентов.

load examgrades
x = grades(:,1);

Соответствуйте объекту нормального распределения к данным.

pd = fitdist(x,'Normal')
pd = 
  NormalDistribution

  Normal distribution
       mu = 75.0083   [73.4321, 76.5846]
    sigma =  8.7202   [7.7391, 9.98843]

Интервалы рядом с оценками параметра составляют 95% доверительных интервалов для параметров распределения.

Можно также получить эти интервалы при помощи функционального paramci.

ci = paramci(pd)
ci = 2×2

   73.4321    7.7391
   76.5846    9.9884

Столбец 1 ci содержит более низкие и верхние 95% контуров доверительного интервала для mu параметра, и столбец 2 содержит контуры для параметра сигмы.

Загрузите выборочные данные. Создайте вектор, содержащий первый столбец данных о классе экзамена студентов.

load examgrades
x = grades(:,1);

Соответствуйте объекту нормального распределения к данным.

pd = fitdist(x,'Normal')
pd = 
  NormalDistribution

  Normal distribution
       mu = 75.0083   [73.4321, 76.5846]
    sigma =  8.7202   [7.7391, 9.98843]

Вычислите 99%-й доверительный интервал для параметров распределения.

ci = paramci(pd,'Alpha',.01)
ci = 2×2

   72.9245    7.4627
   77.0922   10.4403

Столбец 1 ci содержит более низкие и верхние 99% контуров доверительного интервала для mu параметра, и столбец 2 содержит контуры для параметра сигмы.

Входные параметры

свернуть все

Вероятностное распределение в виде объекта вероятностного распределения, созданного с помощью одного из следующих.

Функция или приложениеОписание
makedistСоздайте объект вероятностного распределения использование заданных значений параметров.
fitdistСоответствуйте объекту вероятностного распределения к выборочным данным.
Distribution FitterСтройте распределение вероятности к выборочным данным с помощью интерактивного приложения Distribution Fitter и экспортируйте подходящий объект в рабочую область.

Аргументы в виде пар имя-значение

Задайте дополнительные разделенные запятой пары Name,Value аргументы. Name имя аргумента и Value соответствующее значение. Name должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN.

Пример: 'Alpha',0.01 задает 99%-й доверительный интервал.

Уровень значения для доверительного интервала в виде разделенной запятой пары, состоящей из 'Alpha' и скалярное значение в области значений (0,1). Доверительный уровень ci 100(1–Alpha)%. Значение по умолчанию 0.05 соответствует 95%-му доверительному интервалу.

Пример: 'Alpha',0.01

Типы данных: single | double

Список параметров, для которого можно вычислить доверительные интервалы в виде разделенной запятой пары, состоящей из 'Parameter' и вектор символов, массив строк или массив ячеек из символьных векторов, содержащий названия параметра. По умолчанию, paramci вычисляет доверительные интервалы для всех параметров распределения.

Пример: 'Parameter','mu'

Типы данных: char | string | cell

Метод расчета для доверительных интервалов в виде разделенной запятой пары, состоящей из 'Type' и 'exact', 'Wald', или 'lr'.

'exact' вычисляет доверительные интервалы с помощью точного метода и доступен для следующих распределений.

РаспределениеМетод расчета
БиномВычислите использование метода Клоппер-Пирсона на основе точных вычислений вероятности. Этот метод не обеспечивает точные вероятности покрытия.
ЭкспоненциалВычислите использование метода на основе распределения хи-квадрат. Этот метод предоставляет точную страховую защиту полному, и Тип 2 подверг цензуре выборки.
НормальныйМетод расчета на основе t и распределений хи-квадрат для не прошедших цензуру выборок предоставляет точную страховую защиту не прошедшим цензуру выборкам. Для подвергнутых цензуре выборок, paramci использует Вальдов метод если Type exact.
Логарифмически нормальныйМетод расчета на основе t и распределений хи-квадрат для не прошедших цензуру выборок предоставляет точную страховую защиту. Для подвергнутых цензуре выборок, paramci использует Вальдов метод если Type exact.
ПуассонМетод расчета на основе распределения хи-квадрат предоставляет точную страховую защиту. Для значительных степеней свободы хи-квадрат аппроксимирован нормальным распределением для вычислительной эффективности.
РэлеевскийМетод расчета на основе распределения хи-квадрат обеспечивает точные вероятности покрытия.

'exact' значение по умолчанию, когда это доступно. В качестве альтернативы можно задать 'Wald' вычислить доверительные интервалы с помощью Вальдового метода или 'lr' вычислить доверительные интервалы с помощью метода отношения правдоподобия.

Пример: 'Type','Wald'

Булев флаг для логарифмической шкалы в виде разделенной запятой пары, состоящей из 'LogFlag' и вектор, содержащий булевы значения, соответствующие каждому параметру распределения. Флаг задает который Вальдовы интервалы вычислить на логарифмической шкале. Значения по умолчанию зависят от распределения.

Пример: 'LogFlag',[0,1]

Типы данных: логический

Выходные аргументы

свернуть все

Доверительный интервал, возвращенный как p-by-2 массив, содержащий нижние и верхние границы 100(1–Alpha)% доверительный интервал для каждого параметра распределения. p является количеством параметров распределения.

Если вы создаете pd при помощи makedist и задавая параметры распределения, нижние и верхние границы равны заданным параметрам.

Введенный в R2013a

Для просмотра документации необходимо авторизоваться на сайте