Экспоненциальные оценки параметров
muhat = expfit(data)
[muhat,muci] = expfit(data)
[muhat,muci] = expfit(data,alpha)
[...] = expfit(data,alpha,censoring)
[...] = expfit(data,alpha,censoring,freq)
muhat = expfit(data) оценивает среднее значение экспоненциально распределенных данных выборки в векторе data.
[muhat,muci] = expfit(data) также возвращает 95% доверительный интервал для средних оценок параметров в muci. Первая строка muci - нижняя граница доверительного интервала, а вторая строка - верхняя граница.
[muhat,muci] = expfit(data,alpha) возвращает значение 100 (1-alpha)% доверительный интервал для оценки параметра muhat, где alpha - значение в диапазоне [0 1] задание ширины доверительного интервала. По умолчанию alpha является 0.05, что соответствует 95% доверительному интервалу.
[...] = expfit(data,alpha,censoring) принимает логический вектор, censoring, того же размера, что и data, что равно 1 для наблюдений, которые подвергаются правой цензуре, и 0 для наблюдений, которые наблюдаются точно. data должен быть вектором, чтобы передать аргумент censoring.
[...] = expfit(data,alpha,censoring,freq) принимает частотный вектор, freq того же размера, что и data. Как правило, freq содержит целочисленные частоты для соответствующих элементов в data, но может содержать любые неотрицательные значения. Пройти внутрь [] для alpha, censoring, или freq для использования значений по умолчанию.
Следующее оценивает среднее значение mu экспоненциально распределенных данных и возвращает 95% доверительный интервал для оценки:
mu = 3;
data = exprnd(mu,100,1); % Simulated data
[muhat,muci] = expfit(data)
muhat =
2.7511
muci =
2.2826
3.3813