paramci

Доверительные интервалы для параметров вероятностного распределения

Описание

пример

ci = paramci(pd) возвращает массив ci содержа более низкие и верхние контуры 95%-го доверительного интервала для каждого параметра в вероятностном распределении pd.

ci = paramci(pd,Name,Value) возвращает доверительные интервалы с дополнительными опциями, заданными одним или несколькими аргументами пары "имя-значение". Например, можно задать различный процент для доверительного интервала или вычислить доверительные интервалы только для выбранных параметров.

Примеры

свернуть все

Загрузите выборочные данные. Создайте вектор, содержащий первый столбец данных о классе экзамена студентов.

load examgrades
x = grades(:,1);

Соответствуйте объекту нормального 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 параметра составляют 95% доверительных интервалов для параметров распределения.

Можно также получить эти интервалы при помощи функционального paramci.

ci = paramci(pd)
ci = 2×2

   73.4321    7.7391
   76.5846    9.9884

Столбец 1 ci содержит более низкие и верхние 95% контуров доверительного интервала для mu параметра, и столбец 2 содержит контуры для параметра сигмы.

Загрузите выборочные данные. Создайте вектор, содержащий первый столбец данных о классе экзамена студентов.

load examgrades
x = grades(:,1);

Соответствуйте объекту нормального 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%-й 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 более низкие и верхние 99% контуров доверительного интервала для mu параметра, и столбец 2 содержит контуры для параметра сигмы.

Входные параметры

свернуть все

Вероятностное распределение в виде одного из вероятностного распределения возражает в этой таблице.

Объект распределенияФункция или приложение, чтобы создать объект вероятностного распределения
BetaDistributionmakedist, fitdist, Distribution Fitter
BinomialDistributionmakedist, fitdist, Distribution Fitter
BirnbaumSaundersDistributionmakedist, fitdist, Distribution Fitter
BurrDistributionmakedist, fitdist, Distribution Fitter
ExponentialDistributionmakedist, fitdist, Distribution Fitter
ExtremeValueDistributionmakedist, fitdist, Distribution Fitter
GammaDistributionmakedist, fitdist, Distribution Fitter
GeneralizedExtremeValueDistributionmakedist, fitdist, Distribution Fitter
GeneralizedParetoDistributionmakedist, fitdist, Distribution Fitter
HalfNormalDistributionmakedist, fitdist, Distribution Fitter
InverseGaussianDistributionmakedist, fitdist, Distribution Fitter
KernelDistributionfitdist, Distribution Fitter
LogisticDistributionmakedist, fitdist, Distribution Fitter
LoglogisticDistributionmakedist, fitdist, Distribution Fitter
LognormalDistributionmakedist, fitdist, Distribution Fitter
LoguniformDistributionmakedist
MultinomialDistributionmakedist
NakagamiDistributionmakedist, fitdist, Distribution Fitter
NegativeBinomialDistributionmakedist, fitdist, Distribution Fitter
NormalDistributionmakedist, fitdist, Distribution Fitter
PiecewiseLinearDistributionmakedist
PoissonDistributionmakedist, fitdist, Distribution Fitter
RayleighDistributionmakedist, fitdist, Distribution Fitter
RicianDistributionmakedist, fitdist, Distribution Fitter
StableDistributionmakedist, fitdist, Distribution Fitter
tLocationScaleDistributionmakedist, fitdist, Distribution Fitter
TriangularDistributionmakedist
UniformDistributionmakedist
WeibullDistributionmakedist, fitdist, Distribution Fitter

Аргументы name-value

Задайте дополнительные разделенные запятой пары Name,Value аргументы. Name имя аргумента и Value соответствующее значение. Name должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN.

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

Уровень значения для доверительного интервала в виде разделенной запятой пары, состоящей из 'Alpha' и скалярное значение в области значений (0,1). Доверительный уровень ci 100(1–Alpha)%. Значение по умолчанию 0.05 соответствует 95%-му доверительному интервалу.

Пример: 'Alpha',0.01

Типы данных: single | double

Список параметров, для которого можно вычислить доверительные интервалы в виде разделенной запятой пары, состоящей из 'Parameter' и вектор символов, массив строк или массив ячеек из символьных векторов, содержащий названия параметра. По умолчанию, paramci вычисляет доверительные интервалы для всех параметров распределения.

Пример: 'Parameter','mu'

Типы данных: char | string | cell

Метод расчета для доверительных интервалов в виде разделенной запятой пары, состоящей из 'Type' и 'exact', 'Wald', или 'lr'.

'exact' вычисляет доверительные интервалы с помощью точного метода и доступен для следующих распределений.

РаспределениеМетод расчета
БиномВычислите использование метода Клоппер-Пирсона на основе точных вычислений вероятности. Этот метод не обеспечивает точные вероятности покрытия.
ЭкспоненциалВычислите использование метода на основе распределения хи-квадрат. Этот метод предоставляет точную страховую защиту полному, и Тип 2 подверг цензуре выборки.
НормальныйМетод расчета на основе t и распределений хи-квадрат для не прошедших цензуру выборок предоставляет точную страховую защиту не прошедшим цензуру выборкам. Для подвергнутых цензуре выборок, paramci использует Вальдов метод если Type exact.
Логарифмически нормальныйМетод расчета на основе t и распределений хи-квадрат для не прошедших цензуру выборок предоставляет точную страховую защиту. Для подвергнутых цензуре выборок, paramci использует Вальдов метод если Type exact.
ПуассонМетод расчета на основе распределения хи-квадрат предоставляет точную страховую защиту. Для значительных степеней свободы хи-квадрат аппроксимирован нормальным распределением для вычислительной эффективности.
РэлеевскийМетод расчета на основе распределения хи-квадрат обеспечивает точные вероятности покрытия.

В качестве альтернативы можно задать 'Wald' вычислить доверительные интервалы с помощью Вальдового метода или 'lr' вычислить доверительные интервалы с помощью метода отношения правдоподобия.

'exact' значение по умолчанию, когда это доступно. В противном случае значением по умолчанию является 'Wald'.

Пример: 'Type','Wald'

Булев флаг для логарифмической шкалы в виде разделенной запятой пары, состоящей из 'LogFlag' и вектор, содержащий булевы значения, соответствующие каждому параметру распределения. Флаг задает который Вальдовы интервалы вычислить на логарифмической шкале. Значения по умолчанию зависят от распределения.

Пример: 'LogFlag',[0,1]

Типы данных: логический

Выходные аргументы

свернуть все

Доверительный интервал, возвращенный как p-by-2 массив, содержащий нижние и верхние границы 100(1–Alpha)% доверительный интервал для каждого параметра распределения. p является количеством параметров распределения.

Если вы создаете pd при помощи makedist и задавая параметры распределения, нижние и верхние границы равны заданным параметрам.

Расширенные возможности

Введенный в R2013a
Для просмотра документации необходимо авторизоваться на сайте