二项式参数估计
phat = binofit(x,n)
[phat,pci] = binofit(x,n)
[Phat,PCI] = Binofit(x,n,alpha)
phat = binofit(x,n)
基于成功数量,返回给定二项式试验中成功概率的最大可能性估计,X
,观察到N
独立试验。如果x =(x(1),x(2),... x(k))
是矢量,Binofit.
返回相同尺寸的向量X
谁的第i个词条是参数估计x(i)
。全部K.
估计彼此独立。如果n =(n(1),n(2),...,n(k))
是与尺寸相同的矢量X
,二项式合适,Binofit.
,返回一个向量,其第i个条目是基于成功次数的参数估计x(i)
在你)
独立试验。标量值X
或者N
扩展到与其他输入相同的大小。
[phat,pci] = binofit(x,n)
返回概率估计,幽灵
,95%的置信区间,PCI.
。Binofit.
使用钢板 - Pearson方法计算置信区间。
[Phat,PCI] = Binofit(x,n,alpha)
返回100(1 - alpha)
% 置信区间。例如,α
=
0.01
产生99%的置信区间。
笔记
Binofit.
与其他统计和机器学习工具箱™功能不同,可以计算参数估计的其他统计和机器函数,因为它返回每个条目的独立估计X
。通过对比,expfit
根据所有条目返回单个参数估计X
。
与大多数其他配送拟合功能不同Binofit.
功能处理其输入X
矢量作为单独样品的测量集合。如果你想对待X
作为一个样本并计算它的单个参数估计,可以使用Binofit(Sum(x),sum(n))
什么时候N
是矢量,和Binofit(Sum(x),n *长度(x))
什么时候N
是一个标量。
该示例产生100个元素的二项式样本,其中给定试验中成功的概率为0.6,然后从样本中的结果估计这种概率。
r = binornd(100,0.6);[Phat,PCI] = Binofit(R,100)PHAT = 0.5800 PCI = 0.4771 0.6780
95%的置信区间,PCI.
,包含真实值,0.6。
[1] Johnson,N. L.,S. Kotz和A. W. Kemp。单变量离散分布。霍博肯,NJ:Wiley-Interscience,1993。