paramci

Доверительные интервалы для параметров распределения вероятностей

Описание

пример

ci = paramci(pd) возвращает ci массива содержащие нижние и верхние контуры 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". Для примера можно задать другой процент для интервала доверия или вычислить интервалы доверия только для выбранных параметров.

Примеры

свернуть все

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.

Входные параметры

свернуть все

Распределение вероятностей, заданное как объект распределения вероятностей, созданный с помощью одного из следующих.

Функция или приложениеОписание
makedistСоздайте объект распределения вероятностей с использованием заданных значений параметров.
fitdistПодбор объекта распределения вероятностей к выборочным данным.
Distribution FitterПодгонка распределения вероятностей к выборочным данным с помощью интерактивного приложения Distribution Fitter и экспорт подгоняемого объекта в рабочую область.

Аргументы в виде пар имя-значение

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.

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

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

Список 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

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.

РаспределениеРасчет
ДвучленВычислите с использованием метода Клоппера-Пирсона на основе точных вычислений вероятностей. Этот метод не предоставляет точных вероятностей покрытия.
ЭкспоненциалВычислите с использованием метода, основанного на распределении хи-квадрат. Этот метод обеспечивает точное покрытие для полных и подвергнутых цензуре выборок типа 2.
НормальныйРасчет 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 нормальныйМетод 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.
ПуассонМетод расчета, основанный на распределении хи-квадрат, обеспечивает точное покрытие. Для больших степеней свободы хи-квадрат аппроксимируется нормальным распределением для вычислительной эффективности.
РэлейМетод 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'

Логический 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

Выходные аргументы

свернуть все

Доверительный 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.

Введенный в R2013a
Для просмотра документации необходимо авторизоваться на сайте