主要内容

paramci

概率分布参数的置信区间

所有的页面崩溃

语法

ci = paramci (pd)
ci = paramci (pd、名称、值)

描述

例子

ci= paramci (pd)返回的数组ci含有95%置信区间的上限与下限为每个参数概率分布pd。

ci= paramci (pd,名称,值)返回置信区间与附加选项指定一个或多个参数名称-值对。例如,您可以指定一个不同的置信区间的比例,或者只计算置信区间为选定参数。

例子

全部折叠

打开生活的脚本

加载示例数据。创建一个向量包含学生考试成绩的第一列数据。

负载examgradesx =成绩(:1);

对象的数据符合正态分布。

pd = fitdist (x,“正常”)
pd = NormalDistribution正态分布μ= 75.0083[73.4321,76.5846]σ= 8.7202 (7.7391,9.98843)

旁边的间隔参数估计的95%置信区间的分布参数。

你也可以通过使用函数获得这些间隔paramci。

ci = paramci (pd)
ci =2×273.4321 7.7391 76.5846 9.9884

第一列的ci包含上下μ的95%置信区间的边界参数,和第2列包含σ的边界参数。

打开生活的脚本

加载示例数据。创建一个向量包含学生考试成绩的第一列数据。

负载examgradesx =成绩(:1);

对象的数据符合正态分布。

pd = fitdist (x,“正常”)
pd = NormalDistribution正态分布μ= 75.0083[73.4321,76.5846]σ= 8.7202 (7.7391,9.98843)

计算99%置信区间的分布参数。

ci = paramci (pd,“α”. 01)
ci =2×272.9245 7.4627 77.0922 10.4403

第一列的ci包含上下μ的99%置信区间的边界参数,和第2列包含σ的边界参数。

输入参数

全部折叠

概率分布的概率分布,指定为一个对象在下表中。

分布对象 概率分布函数或程序用于创建对象
BetaDistribution makedist,fitdist,分布更健康
BinomialDistribution makedist,fitdist,分布更健康
BirnbaumSaundersDistribution makedist,fitdist,分布更健康
BurrDistribution makedist,fitdist,分布更健康
ExponentialDistribution makedist,fitdist,分布更健康
ExtremeValueDistribution makedist,fitdist,分布更健康
GammaDistribution makedist,fitdist,分布更健康
GeneralizedExtremeValueDistribution makedist,fitdist,分布更健康
GeneralizedParetoDistribution makedist,fitdist,分布更健康
HalfNormalDistribution makedist,fitdist,分布更健康
InverseGaussianDistribution makedist,fitdist,分布更健康
KernelDistribution fitdist,分布更健康
LogisticDistribution makedist,fitdist,分布更健康
LoglogisticDistribution makedist,fitdist,分布更健康
LognormalDistribution makedist,fitdist,分布更健康
LoguniformDistribution makedist
MultinomialDistribution makedist
NakagamiDistribution makedist,fitdist,分布更健康
NegativeBinomialDistribution makedist,fitdist,分布更健康
NormalDistribution makedist,fitdist,分布更健康
PiecewiseLinearDistribution makedist
PoissonDistribution makedist,fitdist,分布更健康
RayleighDistribution makedist,fitdist,分布更健康
RicianDistribution makedist,fitdist,分布更健康
StableDistribution makedist,fitdist,分布更健康
tLocationScaleDistribution makedist,fitdist,分布更健康
TriangularDistribution makedist
UniformDistribution makedist
WeibullDistribution makedist,fitdist,分布更健康

名称-值参数

指定可选的双参数作为Name1 = Value1,…,以=家,在那里的名字参数名称和吗价值相应的价值。名称-值参数必须出现在其他参数,但对的顺序无关紧要。

R2021a之前,用逗号来分隔每一个名称和值,并附上的名字在报价。

例子:“阿尔法”,0.01指定了一个99%置信区间。

显著性水平的置信区间,指定为逗号分隔组成的“α”和一个标量值的范围(0,1)。的置信水平ci是100(1α)%。默认值0.05对应于一个95%的置信区间。

例子:“阿尔法”,0.01

数据类型:单|双

参数列表计算置信区间,指定为逗号分隔组成的“参数”和一个特征向量,字符串数组,数组或单元包含参数名称的特征向量。默认情况下,paramci计算所有分布参数的置信区间。

例子:“参数”,“亩”

数据类型:字符|字符串|细胞

置信区间的计算方法,指定为逗号分隔组成的“类型”和“准确”,“瓦尔德”,或“lr”。

“准确”使用一个精确的方法计算置信区间,并对以下分布可用。

分布 计算方法
二项 计算使用Clopper-Pearson方法基于精确概率计算。这个方法没有提供确切的覆盖概率。
指数 使用方法基于卡方分布计算。这种方法提供了精确覆盖完整和2型审查样品。
正常的 计算方法的基础上t未经审查的样本和卡方分布提供了确切报道未经审查的样本。审查样品,paramci如果使用瓦尔德的方法类型是确切的。
对数正态 计算方法的基础上t未经审查的样本和卡方分布提供了准确的报道。审查样品,paramci如果使用瓦尔德的方法类型是确切的。
泊松 基于卡方分布提供了精确的计算方法覆盖。对于大的自由度,卡方分布是由正态分布近似的数值效率。
瑞利 基于卡方分布提供了精确的计算方法覆盖概率。

此外,您可以指定“瓦尔德”使用瓦尔德方法计算置信区间,或者“lr”使用似然比方法计算置信区间。

“准确”是默认时是可用的。否则,默认值是“瓦尔德”。

例子:“类型”、“瓦尔德的

布尔旗对数尺度,指定为逗号分隔组成的“LogFlag”和一个包含布尔值对应于每个分布参数向量。瓦尔德的标志指定时间间隔计算对数尺度。默认值取决于分布。

例子:“LogFlag”, [0, 1]

数据类型:逻辑

输出参数

全部折叠

置信区间,作为一个返回p2数组包含的上下界限100(1α)%每个分布参数的置信区间。p是分布参数的数量。

如果您创建pd通过使用makedist并指定分布参数,降低和上界等于指定的参数。

扩展功能

版本历史

介绍了R2013a

另请参阅

|||||

主题