paramci

置信区间的概率分布的参数

折叠所有页面

句法

ci = paramci (pd)

CI = paramci（PD，名称，值）

CI= paramci（pd）返回的数组CI含有95％置信区间的下限和上限为概率分布的每个参数pd。

CI= paramci（pd，名称，值）返回一个或多个名称-值对参数指定的附加选项的置信区间。例如，您可以为置信区间指定不同的百分比，或者仅为选定的参数计算置信区间。

打开生活的脚本

加载样本数据。创建包含的学生的考试级数据的第一列的向量。

加载examgradesX =等级（：，1）;

适合正常分发对象的数据。

pd = fitdist (x,'正常'）

正态分布= 75.0083 [73.4321,76.5846]sigma = 8.7202 [7.7391, 9.98843]

参数估计值旁边的区间是分布参数的95%置信区间。

您还可以通过使用该函数来获得这些区间paramci。

ci = paramci (pd)

ci =2×273.4321 7.7391 76.5846 9.9884

第1栏CI包含mu参数的上下95%置信区间边界，第2列包含sigma参数的边界。

打开生活的脚本

加载样本数据。创建包含的学生的考试级数据的第一列的向量。

加载examgradesX =等级（：，1）;

适合正常分发对象的数据。

pd = fitdist (x,'正常'）

正态分布= 75.0083 [73.4321,76.5846]sigma = 8.7202 [7.7391, 9.98843]

计算的分布参数的99％置信区间。

ci = paramci (pd,“α”，0.01）

ci =2×272.9245 7.4627 77.0922 10.4403

第1栏CI包含下部和上部99％的置信对μ参数间隔边界和列2包含对西格玛参数的边界。

概率分布，指定为概率分布对象使用以下中的一个产生。

功能或应用	描述
`makedist`	使用指定的参数值创建概率分布对象。
`fitdist`	适合的概率分布对象的样本数据。
分布钳工	使用交互式分布Fitter应用程序将概率分布拟合到样本数据中，并将拟合的对象导出到工作空间中。

指定可选的用逗号分隔的对名称，值参数。名称是参数的名称和价值是对应的值。名称必须出现在引号内。可以按任意顺序指定多个名称和值对参数Name1, Value1,…,的家。

例子:“阿尔法”,0.01指定99%置信区间。

为置信区间显着性水平，指定为逗号分隔的一对组成的“α”和范围内的（0,1）的标量值。的置信水平CI是100（1-α）％。默认值0.05对应于95％置信区间。

例子:“阿尔法”,0.01

数据类型：单|双

要为其计算置信区间的参数列表，指定为逗号分隔的对'参数'和字符向量，字符串数组，或细胞包含的参数名称字符向量的阵列。默认，paramci计算置信区间全部分布参数。

例子:“参数”，“亩”

数据类型：字符|串|细胞

为置信区间的计算方法，指定为逗号分隔的一对组成的“类型”和“准确”，“瓦尔德”，要么“lr”。

“准确”计算使用精确方法的置信区间，并且是可用于以下的分布。

分布	计算方法
二项	计算使用基于准确的概率计算的Clopper-Pearson法。此方法不提供准确的覆盖概率。
指数	计算使用基于卡方分布的方法。这种方法提供了精确覆盖完整和Type 2送检标本。
正常	基于Ť和卡方分布为未经审查的样品提供了精确覆盖未经审查的样品。对于送检标本，`paramci`如果。使用Wald方法`类型`是`确切的`。
对数正态分布	基于Ť对于未经审查的样本，卡方分布提供了准确的覆盖范围。对于送检标本，`paramci`如果。使用Wald方法`类型`是`确切的`。
泊松	基于卡方分布的计算方法提供了精确的覆盖率。对于大自由度，卡方近似为数值效率的正态分布。
瑞利	根据卡方分布计算方法提供了精确的覆盖概率。