伽玛参数估计
phat = gamfit(数据)
[PHAT,PCI] = GAMFIT(数据)
[PHAT,PCI] = GAMFIT(数据,alpha)
[...] = gamfit(数据,alpha,审查,频率,选项)
phat = gamfit(数据)
在给定向量中的数据时返回伽玛分布参数的最大似然估计(MLES)数据
。
[PHAT,PCI] = GAMFIT(数据)
返回MLES和95%的置信区间百分比。第一排PCI.
置信区间的下限是下限;最后一行是上限。
[PHAT,PCI] = GAMFIT(数据,alpha)
回报100(1 - alpha)
% 置信区间。例如,α
=0.01
产生99%的置信区间。
[...] = gamfit(数据,alpha,审查)
接受一个相同尺寸的布尔矢量数据
对于右被审查的观察和恰好观察的观察,这是1的1。
[...] = gamfit(数据,alpha,审查,频率)
接受与相同尺寸的频率矢量数据
。弗里克
通常包含相应元素的整数频率数据
,但可能包含任何非负值。
[...] = gamfit(数据,alpha,审查,频率,选项)
接受一个结构,选项
,这为迭代算法指定了函数用于计算最大似然估计的控制参数。伽玛拟合功能接受一个选项
可以使用该功能创建的结构实例化
。进入statset('gamfit')
要查看参数的名称和默认值gamfit.
接受选项
结构体。
适合从指定的伽马分布生成的随机数据的伽玛分布:
A = 2;B = 4;数据= GAMRND(A,B,100,1);[p,ci] = gamfit(数据)p = 2.1990 3.7426 ci = 1.6840 2.8298 2.7141 4.6554
[1] Hahn,Gerald J.和S. Shahiro。工程统计模型。Hoboken,NJ:John Wiley&Sons,Inc。,1994,p。88。