Оценки параметра экстремума
parmhat = evfit(data)
[parmhat,parmci] = evfit(data)
[parmhat,parmci] = evfit(data,alpha)
[...] = evfit(data,alpha,censoring)
[...] = evfit(data,alpha,censoring,freq)
[...] = evfit(data,alpha,censoring,freq,options)
parmhat = evfit(data)
возвращает оценки наибольшего правдоподобия параметров распределения экстремума типа 1, учитывая выборочные данные в data
. Выборочные данные data
должен быть вектор с двойной точностью. parmhat(1)
параметр положения µ
, и parmhat(2)
масштабный коэффициент σ.
[parmhat,parmci] = evfit(data)
возвращает 95% доверительных интервалов для оценок параметра на µ
и параметры σ в матричном parmci
2 на 2. Первый столбец матрицы подгонки экстремума содержит более низкие и верхние доверительные границы для параметра
µ
, и второй столбец содержит доверительные границы для параметра σ.
[parmhat,parmci] = evfit(data,alpha)
возвращается 100 (1 - alpha
) Доверительные интервалы % для оценок параметра, где alpha
значение в области значений [0 1]
определение ширины доверительных интервалов. По умолчанию, alpha
0.05
, который соответствует 95% доверительных интервалов.
[...] = evfit(data,alpha,censoring)
принимает булев вектор, censoring
, одного размера с data
, который является 1
для наблюдений, которые подвергаются цензуре правом и 0
для наблюдений, которые наблюдаются точно.
[...] = evfit(data,alpha,censoring,freq)
принимает вектор частоты, freq
одного размера с data
. Как правило, freq
содержит целочисленные частоты для соответствующих элементов в data
, но может содержать любые неотрицательные значения. Передайте в []
для alpha
, censoring
, или freq
использовать их значения по умолчанию.
[...] = evfit(data,alpha,censoring,freq,options)
принимает структуру, options
, это задает параметры управления для итеративного алгоритма, функция используется для расчета оценок наибольшего правдоподобия. Можно создать options
использование функции statset
. Введите statset('evfit')
видеть имена и значения по умолчанию параметров что evfit
принимает в options
структура. Смотрите страницу с описанием для statset
для получения дополнительной информации об этих опциях.
Распределение экстремума типа 1 также известно как распределение Gumbel. Версия, используемая здесь, подходит для моделирования минимумов; зеркальное отображение этого распределения может использоваться к максимумам модели путем отрицания X
. Дополнительную информацию см. в Распределении Экстремума. Если x имеет распределение Weibull, то X = журнал (x) имеет распределение экстремума типа 1.