Exponenta Banner
exponenta event banner

paramci

Доверительные интервалы для параметров распределения вероятностей

свернуть все на странице

Синтаксис

ci = парамчи (pd)
ci = парамчи (pd, имя, значение)

Описание

пример

ci = paramci(pd) возвращает массив ci содержащий нижнюю и верхнюю границы 95% доверительного интервала для каждого параметра в распределении вероятностей pd.

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

Примеры

свернуть все

Открыть сценарий в реальном времени

Загрузите образцы данных. Создайте вектор, содержащий первый столбец данных ЕГЭ учащихся.

load examgrades
x = grades(:,1);

Поместите обычный объект распределения в данные. 

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 параметров являются 95% доверительными интервалами для параметров распределения.

Эти интервалы также можно получить с помощью функции. paramci.

ci = paramci(pd)
ci = 2×2

   73.4321    7.7391
   76.5846    9.9884

Колонка 1 из ci содержит нижние и верхние 95% границы доверительного интервала для параметра mu, а столбец 2 содержит границы для параметра sigma.

Открыть сценарий в реальном времени

Загрузите образцы данных. Создайте вектор, содержащий первый столбец данных ЕГЭ учащихся. 

load examgrades
x = grades(:,1);

Поместите обычный объект распределения в данные. 

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

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

Вычислите 99% доверительный интервал для параметров распределения. 

ci = paramci(pd,'Alpha',.01)
ci = 2×2

   72.9245    7.4627
   77.0922   10.4403

Колонка 1 из ci содержит нижнюю и верхнюю границы 99% доверительного интервала для параметра mu, а столбец 2 содержит границы для параметра sigma.

Входные аргументы

свернуть все

Вероятностное распределение, указанное как объект вероятностного распределения, созданный одним из следующих способов.

Функция или приложениеОписание
makedistСоздайте объект распределения вероятностей, используя указанные значения параметров.
fitdistПоместите объект распределения вероятности в выборку данных.
Слесарь-распределительПоместите распределение вероятности в выборку данных с помощью интерактивного приложения Distribution Fitter и экспортируйте подогнанный объект в рабочую область.

Аргументы пары «имя-значение»

Укажите дополнительные пары, разделенные запятыми Name,Value аргументы. Name является именем аргумента и Value - соответствующее значение. Name должен отображаться внутри кавычек. Можно указать несколько аргументов пары имен и значений в любом порядке как Name1,Value1,...,NameN,ValueN.

Пример: 'Alpha',0.01 указывает доверительный интервал 99%.

Уровень значимости для доверительного интервала, указанного как пара, разделенная запятыми, состоящая из 'Alpha' и скалярное значение в диапазоне (0,1). Уровень достоверности ci является 100(1–Alpha)%. Значение по умолчанию 0.05 соответствует 95% доверительному интервалу.

Пример: 'Alpha',0.01

Типы данных: single | double

Список параметров, для которого вычисляются доверительные интервалы, указанные как пара, разделенная запятыми, состоящая из 'Parameter' и символьный вектор, строковый массив или массив ячеек символьных векторов, содержащих имена параметров. По умолчанию paramci вычисляет доверительные интервалы для всех параметров распределения.

Пример: 'Parameter','mu'

Типы данных: char | string | cell

Метод вычисления доверительных интервалов, указанный как разделенная запятыми пара, состоящая из 'Type' и 'exact', 'Wald', или 'lr'.

'exact' вычисляет доверительные интервалы, используя точный метод, и доступен для следующих распределений.

РаспределениеМетод вычисления
ДвучленВычисление с использованием метода Клоппера-Пирсона на основе точных вычислений вероятности. Этот метод не обеспечивает точных вероятностей покрытия.
ПоказательныйВычислите с помощью метода, основанного на распределении хи-квадрат. Этот метод обеспечивает точный охват для полных образцов и образцов типа 2, подвергнутых цензуре.
НормальныйМетод вычисления, основанный на распределениях t и хи-квадрат для неподсчитанных выборок, обеспечивает точный охват для неподсчитанных выборок. Для цензурированных образцов, paramci использует метод Wald, если Type является exact.
Логарифмически нормальныйМетод вычисления, основанный на распределениях t и хи-квадрат для неподцензурных выборок, обеспечивает точный охват. Для цензурированных образцов, paramci использует метод Wald, если Type является exact.
ПуассонМетод вычисления, основанный на распределении хи-квадрат, обеспечивает точный охват. Для больших степеней свободы хи-квадрат аппроксимируется нормальным распределением для числовой эффективности.
РэлейМетод вычисления, основанный на распределении хи-квадрат, обеспечивает точные вероятности покрытия.

'exact' - это значение по умолчанию, если оно доступно. Кроме того, можно указать 'Wald' для вычисления доверительных интервалов с использованием метода Вальда или 'lr' вычисляют доверительные интервалы с использованием метода отношения правдоподобия.

Пример: 'Type','Wald'

Логический флаг для масштаба журнала, указанный как пара, разделенная запятыми, состоящая из 'LogFlag' и вектор, содержащий логические значения, соответствующие каждому параметру распределения. Флаг определяет интервалы Wald, вычисляемые в масштабе журнала. Значения по умолчанию зависят от распределения.

Пример: 'LogFlag',[0,1]

Типы данных: logical

Выходные аргументы

свернуть все

Доверительный интервал, возвращаемый как массив p-by-2, содержащий нижнюю и верхнюю границы 100(1–Alpha)% доверительного интервала для каждого параметра распределения. p - число параметров распределения.

При создании pd с помощью makedist и задают параметры распределения, нижняя и верхняя границы равны заданным параметрам.

См. также

| | | | |

Темы

Представлен в R2013a

Документация по инструментам для статистического и машинного обучения

Поддержка