Доверительные интервалы для параметров распределения вероятностей
возвращает доверительные интервалы с дополнительными опциями, заданными одним или несколькими аргументами пары "имя-значение". Для примера можно задать другой процент для интервала доверия или вычислить интервалы доверия только для выбранных параметров.ci
= paramci(pd
,Name,Value
)
Загрузите выборочные данные. Создайте вектор, содержащий первый столбец данных экзамена учащихся.
load examgrades
x = grades(:,1);
Подбор нормального объекта 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 параметров являются 95% доверительными интервалами для параметров распределения.
Можно также получить эти интервалы при помощи функции paramci
.
ci = paramci(pd)
ci = 2×2
73.4321 7.7391
76.5846 9.9884
Столбец 1 ci
содержит нижние и верхние контуры доверительного интервала 95% для параметра mu, а столбец 2 содержит контуры для параметра sigma.
Загрузите выборочные данные. Создайте вектор, содержащий первый столбец данных экзамена учащихся.
load examgrades
x = grades(:,1);
Подбор нормального объекта 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% 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 нижние и верхние контуры доверительного интервала 99% для параметра mu, а столбец 2 содержит контуры для параметра sigma.
pd
- Распределение вероятностейРаспределение вероятностей, заданное как объект распределения вероятностей, созданный с помощью одного из следующих.
Функция или приложение | Описание |
---|---|
makedist | Создайте объект распределения вероятностей с использованием заданных значений параметров. |
fitdist | Подбор объекта распределения вероятностей к выборочным данным. |
Distribution Fitter | Подгонка распределения вероятностей к выборочным данным с помощью интерактивного приложения Distribution Fitter и экспорт подгоняемого объекта в рабочую область. |
Задайте необязательные разделенные разделенными запятой парами Name,Value
аргументы. Name
- имя аргумента и Value
- соответствующее значение. Name
должны находиться внутри кавычек. Можно задать несколько аргументов в виде пар имен и значений в любом порядке Name1,Value1,...,NameN,ValueN
.
'Alpha',0.01
задает 99% доверительный интервал.'Alpha'
- Уровень значимости0.05
(по умолчанию) | скалярное значение в области значений (0,1)Уровень значимости для интервала доверия, заданный как разделенная запятой пара, состоящий из 'Alpha'
и скалярное значение в области значений (0,1). Уровень доверия ci
является 100(1–Alpha)
%. Значение по умолчанию 0.05
соответствует 95% доверительному интервалу.
Пример: 'Alpha',0.01
Типы данных: single
| double
'Parameter'
- Список параметровСписок параметров, для которых необходимо вычислить доверительные интервалы, заданный как разделенная разделенными запятой парами, состоящая из 'Parameter'
и вектор символов, строковые массивы или массив ячеек векторов символов, содержащий имена параметров. По умолчанию paramci
вычисляет доверительные интервалы для всех параметров распределения.
Пример: 'Parameter','mu'
Типы данных: char
| string
| cell
'Type'
- Расчет'exact'
| 'Wald'
| 'lr'
Расчет метод для интервалов доверия, заданный как разделенная запятой пара, состоящий из 'Type'
и 'exact'
, 'Wald'
, или 'lr'
.
'exact'
вычисляет доверительные интервалы с помощью точного метода и доступен для следующих распределений.
Распределение | Расчет |
---|---|
Двучлен | Вычислите с использованием метода Клоппера-Пирсона на основе точных вычислений вероятностей. Этот метод не предоставляет точных вероятностей покрытия. |
Экспоненциал | Вычислите с использованием метода, основанного на распределении хи-квадрат. Этот метод обеспечивает точное покрытие для полных и подвергнутых цензуре выборок типа 2. |
Нормальный | Расчет метод, основанный на t и хи-квадратичных распределениях для без цензуры выборок, обеспечивает точное покрытие для без цензуры выборок. Для цензурированных выборок, paramci использует метод Вальда, если Type является exact . |
Логарифмически нормальный | Метод расчета, основанный на t и хи-квадратичных распределениях для нецензурных выборок, обеспечивает точное покрытие. Для цензурированных выборок, paramci использует метод Вальда, если Type является exact . |
Пуассон | Метод расчета, основанный на распределении хи-квадрат, обеспечивает точное покрытие. Для больших степеней свободы хи-квадрат аппроксимируется нормальным распределением для вычислительной эффективности. |
Рэлей | Метод расчета, основанный на распределении хи-квадрат, обеспечивает точные вероятности покрытия. |
'exact'
является значением по умолчанию, когда оно доступно. Также можно задать 'Wald'
вычислить доверительные интервалы с помощью метода Вальда, или 'lr'
вычислить доверительные интервалы с помощью метода отношения правдоподобия.
Пример: 'Type','Wald'
'LogFlag'
- Логический флаг для шкалы журналаЛогический флаг для шкалы журнала, заданный как разделенная разделенными запятой парами, состоящая из 'LogFlag'
и вектор, содержащий логические значения, соответствующие каждому параметру распределения. Флаг определяет, какие интервалы Wald вычислять по шкале журнала. Значения по умолчанию зависят от распределения.
Пример: 'LogFlag',[0,1]
Типы данных: logical
ci
- Доверительный интервалДоверительный интервал, возвращенный как массив p-на-2, содержащий нижнюю и верхнюю границы 100(1–Alpha)
% доверительный интервал для каждого параметра распределения. p - количество параметров распределения.
Если вы создаете pd
при помощи makedist
и задавая параметры распределения, нижняя и верхняя границы равны заданным параметрам.
У вас есть измененная версия этого примера. Вы хотите открыть этот пример с вашими правками?
1. Если смысл перевода понятен, то лучше оставьте как есть и не придирайтесь к словам, синонимам и тому подобному. О вкусах не спорим.
2. Не дополняйте перевод комментариями “от себя”. В исправлении не должно появляться дополнительных смыслов и комментариев, отсутствующих в оригинале. Такие правки не получится интегрировать в алгоритме автоматического перевода.
3. Сохраняйте структуру оригинального текста - например, не разбивайте одно предложение на два.
4. Не имеет смысла однотипное исправление перевода какого-то термина во всех предложениях. Исправляйте только в одном месте. Когда Вашу правку одобрят, это исправление будет алгоритмически распространено и на другие части документации.
5. По иным вопросам, например если надо исправить заблокированное для перевода слово, обратитесь к редакторам через форму технической поддержки.