proflik

Профиль функции правдоподобия для распределения вероятностей

Описание

пример

[ll,param] = proflik(pd,pnum) возвращает вектор ll значений логарифмической правдоподобности и вектора param соответствующих значений параметров для параметра в положении, обозначенном pnum.

[ll,param] = proflik(pd,pnum,'Display',display) возвращает значения логарифмической правдоподобности и соответствующие значения параметров и строит график вероятности профиля, накладываемой на приближение логарифмической правдоподобности.

[ll,param] = proflik(pd,pnum,setparam) возвращает значения логарифмической правдоподобности и соответствующие значения параметров, заданные setparam.

пример

[ll,param] = proflik(pd,pnum,setparam,'Display',display) возвращает значения логарифмической правдоподобности и соответствующие значения параметров, заданные setparam, и строит график вероятностного наложения профиля на приближение логарифмической правдоподобности.

пример

[ll,param,other] = proflik(___) также возвращает матрицу other содержит значения других параметров, которые максимизируют вероятность, используя любой из входных параметров из предыдущих синтаксисов.

Примеры

свернуть все

Загрузите выборочные данные. Создайте объект распределения вероятностей путем подгонки распределения Вейбула к милям на галлон (MPG) данные.

load carsmall
pd = fitdist(MPG,'Weibull')
pd = 
  WeibullDistribution

  Weibull distribution
    A = 26.5079   [24.8333, 28.2954]
    B = 3.27193   [2.79441, 3.83104]

Просмотрите имена параметров для распределения.

pd.ParameterNames
ans = 1x2 cell
    {'A'}    {'B'}

Для распределения Вейбула, A находится в положении 1, и B находится в положении 2.

Вычислите вероятность профиля для B, который находится в положении pnum = 2.

[ll,param] = proflik(pd,2);

Отображение значений логарифмической правдоподобности для предполагаемых значений B.

[ll',param']
ans = 21×2

 -329.9688    2.7132
 -329.4312    2.7748
 -328.9645    2.8365
 -328.5661    2.8981
 -328.2340    2.9597
 -327.9658    3.0213
 -327.7596    3.0830
 -327.6135    3.1446
 -327.5256    3.2062
 -327.4943    3.2678
      ⋮

Эти результаты показывают, что вероятность журнала профиля максимизируется между предполагаемыми B значений 3,2678 и 3,3295, которые соответствуют значениям логарифмической правдоподобности -327,4943 и -327,5178. Из более ранней подгонки, MLE B 3.27193, который находится в этом интервале, как и ожидалось.

Загрузите выборочные данные. Создайте объект распределения вероятностей путем подгонки обобщенного экстремального распределения значений к милям на галлон (MPG) данные.

load carsmall
pd = fitdist(MPG,'GeneralizedExtremeValue')
pd = 
  GeneralizedExtremeValueDistribution

  Generalized Extreme Value distribution
        k = -0.207765   [-0.381674, -0.0338563]
    sigma =   7.49674   [6.31755, 8.89604]
       mu =   20.6233   [18.8859, 22.3606]

Просмотрите имена параметров для распределения.

pd.ParameterNames
ans = 1x3 cell
    {'k'}    {'sigma'}    {'mu'}

Для обобщенного экстремального распределения значений, k находится в положении 1, sigma находится в положении 2 и mu находится в положении 3.

Вычислите вероятность профиля для mu, который находится в положении pnum = 3. Ограничьте расчет значениями параметров от 20 до 22 и отобразите график.

[ll,param,other] = proflik(pd,3,20:.1:22,'display','on');

Figure contains an axes. The axes contains 4 objects of type line. These objects represent Estimate, Exact log likelihood, Wald approximation, 95% confidence.

График показывает оценочное значение для параметра mu что максимизирует логарифмическую правдоподобность.

Отображение значений логарифмической правдоподобности для предполагаемых значений mu, и значения других параметров распределения, которые максимизируют соответствующую логарифмическую правдоподобность.

[ll',param',other]
ans = 21×4

 -327.5706   20.0000   -0.1803    7.4087
 -327.4971   20.1000   -0.1846    7.4218
 -327.4364   20.2000   -0.1890    7.4354
 -327.3887   20.3000   -0.1934    7.4493
 -327.3538   20.4000   -0.1978    7.4636
 -327.3317   20.5000   -0.2023    7.4783
 -327.3223   20.6000   -0.2067    7.4932
 -327.3257   20.7000   -0.2112    7.5084
 -327.3418   20.8000   -0.2156    7.5240
 -327.3706   20.9000   -0.2201    7.5399
      ⋮

Первый столбец содержит журнал значение вероятности, которое соответствует оценке mu во втором столбце. Вероятность журнала максимизируется между значениями параметров 20.6000 и 20.7000, что соответствует логарифмическим значениям правдоподобия -327.3223 и -327.3257. Третий столбец содержит значение k что максимизирует соответствующий журнал вероятность для mu. Четвертый столбец содержит значение sigma что максимизирует соответствующий журнал вероятность для mu.

Входные параметры

свернуть все

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

Функция или приложениеОписание
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.

Номер параметра, для которого можно вычислить правдоподобность профиля, заданный как положительное целое значение, соответствующее положению нужного параметра в векторе имени параметра. Для примера, распределение Вейбула имеет вектор с именем параметра {'A','B'}, так задайте pnum как 2 для вычисления вероятности профиля для B.

Типы данных: single | double

Ограничение значения параметров, заданное как скалярное значение или вектор таких значений. Если вы не задаете setparam, proflik выбирает значения для выходного вектора param на основе метода доверительного интервала по умолчанию для распределения вероятностей pd. Если параметр может принимать только ограниченные значения, и если доверительный интервал нарушает это ограничение, можно использовать setparam для задания допустимых значений.

Пример: [3,3.5,4]

Отобразите переключатель, заданный как 'on' или 'off'. Задайте 'on' отображение профиля точной логарифмической правдоподобности, наложенной на приближение Вальда логарифмической правдоподобности. Задайте 'off' для опускания отображения. Приближение Вальда основано на расширении ряда Тейлора вокруг предполагаемого значения параметров, как функции от параметра в положении pnum или его логарифм. Пересечение кривых с горизонтальной пунктирной линией помечает конечные точки 95% доверительных интервалов.

Выходные аргументы

свернуть все

Значения логарифмической правдоподобности, возвращенные как вектор. Логарифмическая правдоподобность является значением вероятности с параметром в положении pnum установите значения в param, максимизированный по остальным параметрам.

Значения параметров, соответствующие значениям логарифмической правдоподобности в ll, возвращается как вектор. Если вы задаете значения параметров используя setparam, затем param равно setparam.

Другие значения параметров, которые максимизируют вероятность, возвращаются как матрица. Каждая строка other содержит значения для всех параметров, кроме параметра в положении pnum.

Введенный в R2013a
Для просмотра документации необходимо авторизоваться на сайте