Exponenta Banner
exponenta event banner

wblfit

Оценки параметров Вейбулла

свернуть все на странице

Синтаксис

parmHat = wblfit (x)
[parmHat, parmCI] = wblfit (x)
[parmHat, parmCI] = wblfit (x, альфа)
[___] = wblfit (x, альфа, цензура)
[___] = wblfit (x, альфа, цензура, freq)
[___] = wblfit (x, альфа, цензура, freq, опции)

Описание

пример

parmHat = wblfit(x) возвращает оценки параметров распределения Вейбулла (форма и масштаб), учитывая данные выборки в x.

пример

[parmHat,parmCI] = wblfit(x) также возвращает 95% доверительные интервалы для оценок параметров.

[parmHat,parmCI] = wblfit(x,alpha) определяет доверительный уровень для доверительных интервалов 100(1—alpha)%.

[___] = wblfit(x,alpha,censoring) указывает, требуется ли каждое значение в x имеет правую цензуру или нет. Используйте логический вектор censoring в котором 1 указывает на наблюдения, которые подвергаются правой цензуре, и 0 указывает на наблюдения, которые полностью соблюдаются.

[___] = wblfit(x,alpha,censoring,freq) определяет частоту или вес наблюдений.

пример

[___] = wblfit(x,alpha,censoring,freq,options) задает параметры оптимизации для итеративного алгоритма wblfit используется для вычисления оценок максимального правдоподобия (MLE) с цензурой. Создать options с помощью функции statset.

Вы можете пройти [] для alpha, censoring, и freq для использования значений по умолчанию.

Примеры

свернуть все

Открыть сценарий в реальном времени

Создание 100 случайных чисел из распределения Вейбулла с масштабом 0.8 и форма 3.

x = wblrnd(0.8,3,100,1);

Оцените параметры распределения Вейбулла по данным.

parmHat = wblfit(x)
parmHat = 1×2

    0.7751    2.9433
Открыть сценарий в реальном времени

Создание 100 случайных чисел из распределения Вейбулла с масштабом 1 и форма 2.

x = wblrnd(1,2,100,1);

Найти 95% доверительные интервалы, оценивающие параметры распределения Вейбулла по данным.

[parmHat,parmCI] = wblfit(x)
parmHat = 1×2

    0.9536    1.9622


parmCI = 2×2

    0.8583    1.6821
    1.0596    2.2890

Верхний ряд parmCI содержит нижние границы доверительных интервалов, а нижняя строка содержит верхние границы доверительных интервалов.

Открыть сценарий в реальном времени

Создание 100 случайных величин Вейбулла из распределения с масштабом 2 и форма 5.

x = wblrnd(2,5,100,1);

Отображение параметров алгоритма для wblfit.

statset('wblfit')
ans = struct with fields:
          Display: 'off'
      MaxFunEvals: []
          MaxIter: []
           TolBnd: []
           TolFun: []
       TolTypeFun: []
             TolX: 1.0000e-06
         TolTypeX: []
          GradObj: []
         Jacobian: []
        DerivStep: []
      FunValCheck: []
           Robust: []
     RobustWgtFun: []
           WgtFun: []
             Tune: []
      UseParallel: []
    UseSubstreams: []
          Streams: {}
        OutputFcn: []

Укажите параметры алгоритма с помощью аргументов пары имя-значение функции statset. Изменение способа отображения результатов (Display) и задайте допуск окончания для параметров (TolX). 

options = statset('Display','iter','TolX',1e-4); % Optimization options

Найдите MLE с помощью новых параметров алгоритма.

parmhat = wblfit(x,[],[],[],options) 
 
 Func-count    x          f(x)             Procedure
    2        0.193283    -0.0172927        initial
    3        0.205467    0.00262429        interpolation
    4        0.203862   2.99018e-05        interpolation
    5        0.203862   2.99018e-05        interpolation
 
Zero found in the interval [0.193283, 0.386565]

parmhat = 1×2

    1.9624    4.9050

wblfit отображает информацию об итерациях.

Входные аргументы

свернуть все

Образец данных, указанный как вектор.

Типы данных: single | double

Уровень значимости для доверительных интервалов, заданный как скаляр в диапазоне (0,1). Уровень достоверности: 100(1—alpha)%, где alpha - вероятность того, что доверительные интервалы не содержат истинного значения.

Пример: 0.01

Типы данных: single | double

Индикатор цензуры каждого значения в x, указанный как логический вектор того же размера, что и x. Используйте 1 для наблюдений, которые подвергаются правой цензуре, и 0 для наблюдений, которые полностью соблюдаются.

По умолчанию используется массив 0s, что означает, что все наблюдения полностью соблюдаются.

Типы данных: logical

Частота или веса наблюдений, определяемые как неотрицательный вектор того же размера, что и x. freq входной аргумент обычно содержит неотрицательные целые числа для соответствующих элементов в x, но может содержать любые неотрицательные значения.

Чтобы получить взвешенные MLE для набора данных с цензурой, укажите веса наблюдений, нормализованные к количеству наблюдений в x.

По умолчанию используется массив из 1 s, что означает одно наблюдение на элемент x.

Типы данных: single | double

Параметры оптимизации, заданные как структура. options определяет параметры управления для итеративного алгоритма, которые wblfit используется для вычисления MLE для данных, подвергнутых цензуре.

Создать options с помощью функции statset или путем создания структурного массива, содержащего поля и значения, описанные в этой таблице.

Имя поляСтоимостьЗначение по умолчанию
Display

Объем информации, отображаемой алгоритмом.

  • 'off' - Не отображает информацию

  • 'final' - Отображение окончательных выходных данных

  • 'iter' - Отображение итеративных выходных данных

'off'
TolX

Допуск окончания для параметров, заданный как положительный скаляр

1e-8

Также можно ввести statset('wblfit') в окне команд для просмотра имен и значений по умолчанию полей, которые wblfit включает в options структура.

Пример: statset('Display','iter') определяет отображение информации с каждого шага итеративного алгоритма.

Типы данных: struct

Выходные аргументы

свернуть все

Оценка параметров a (масштаб) и b (форма) распределения Вейбулла, возвращаемых в виде вектора строки.

Доверительные интервалы для средних параметров распределения Вейбулла, возвращенные как вектор матрицы 2 на 2, содержащий нижнюю и верхнюю границы 100(1—alpha)% доверительный интервал.

Первый и второй ряды соответствуют нижней и верхней границам доверительных интервалов соответственно.

Альтернативная функциональность

wblfit является функцией, специфичной для распределения Вейбулла. Toolbox™ статистики и машинного обучения также предлагает общие функции mle, fitdist, и paramci и приложение Distribution Fitter, которое поддерживает различные распределения вероятностей.

  • mle возвращает MLE и доверительные интервалы MLE для параметров различных распределений вероятности. Можно указать имя распределения вероятностей или пользовательскую функцию плотности вероятностей.

  • Создать WeibullDistribution объект распределения вероятностей путем подгонки распределения к данным с помощью fitdist функция или приложение Distribution Fitter. Свойства объекта a и b сохранить оценки параметров. Чтобы получить доверительные интервалы для оценок параметров, передайте объект в paramci.

Расширенные возможности

Создание кода C/C + +
Создайте код C и C++ с помощью MATLAB ® Coder™

.

См. также

| | | | | | |

Темы

Представлен до R2006a

Документация по инструментам для статистического и машинного обучения

Поддержка