最大似然估计
加载样本数据。
加载carbig
的变量英里/加仑
有每加仑英里的汽车的不同车型。
绘制的直方图英里/加仑
数据。
直方图(MPG)
这个分布有点偏右。对称分布,例如正态分布,可能不是一个很好的拟合。
估计伯尔类型XII分布的参数英里/加仑
数据。
柏= MLE(MPG,'分配',“毛刺”)
太好了=1×334.6447 3.7898 3.5722
为尺度参数α的最大似然估计为34.6447。两个形状参数的估计 和 伯尔类型XII的分布分别为3.7898和3.5722。
生成从与自由度8和noncentrality参数3的非中心卡方分布大小1000的采样数据。
RNG默认%的再现性x = ncx2rnd (8, 1000,1);
从样本数据估计非中心卡方分布的参数。属性自定义非中心卡方格式pdfPDF格式
输入参数。
(太好了,pci)大中型企业的(x) =“pdf”,@(X,V,d)ncx2pdf(X,V,d),“开始”[1])
太好了=1×28.1052 - 2.6693
PCI =2×27.1121 1.6025 9.0983 3.7362
对于自由度的估计是8.1052和noncentrality参数为2.6693。对于自由度的95%置信区间是(7.1121,9.0983)和noncentrality参数是(1.6025,3.7362)。置信区间包括的分别为8和3,真正的参数值。
加载样本数据。
加载('readmissiontimes.mat');
数据包括ReadmissionTime
该公司有100名患者的再入院时间。列向量截尾
为每个患者的检查信息,其中1表示经过检查的观察,0表示观察到的确切再入院时间。这是模拟数据。
定义自定义概率密度和累积分布函数。
custpdf = @(数据,拉姆达)的λ* EXP(-Lambda *数据);custcdf = @(数据,拉姆达)1-EXP(-Lambda *数据);
估计参数,拉姆达
的自定义分布的截尾样本数据。
柏= MLE(ReadmissionTime,“pdf”,custpdf,“提供”,custcdf,“开始”,0.05,“审查”,审查)
柏= 0.1096
加载样本数据。
加载('readmissiontimes.mat');
数据包括ReadmissionTime
该公司有100名患者的再入院时间。列向量截尾
为每个患者的检查信息,其中1表示经过检查的观察,0表示观察到的确切再入院时间。这是模拟数据。
定义一个自定义的对数概率密度和生存函数。
custlogpdf = @(数据、λk)日志(k) - k *日志(λ)+ (k - 1) *日志(数据)-(数据/λ)。^ k;custlogsf = @(data,,k) -(data/).^k;
估计参数,拉姆达
和k
的自定义分布的截尾样本数据。
柏= MLE(ReadmissionTime,“logpdf”,custlogpdf,'logsf'custlogsf,...“开始”,[1,0.75]“审查”,审查)
太好了=1×29.2090 - 1.4223
所述自定义的分布的比例和形状参数分别为9.2090和1.4223。
加载样本数据。
加载('readmissiontimes.mat');
数据包括ReadmissionTime
该公司有100名患者的再入院时间。这是模拟数据。
定义一个负对数似然函数。
custnloglf = @(lambda,data,cens,freq) - length(data)*log(lambda) + nansum(lambda*data);
估计已定义分布的参数。
柏= MLE(ReadmissionTime,'nloglf',custnloglf,“开始”,0.05)
太好了= 0.1462
生成二项分布100个随机观察与试验的次数, = 20,成功的概率, = 0.75。
数据= binornd(20,0.75,100,1);
使用模拟样本数据估计成功的概率和95%的置信限。
[柏,PCI] = MLE(数据,'分配',“二项式”,“α”, 0。'ntrials',20)
柏= 0.7615
PCI =2×10.7422 0.7800
成功概率的估计为0.7615,95%置信区间的下限和上限分别为0.7422和0.78。此间隔包含用于模拟数据的真实值。
从自由度为10、非中心性参数为5的非中心卡方分布中生成1000的样本数据。
RNG默认%的再现性X = ncx2rnd(10,5,1000,1);
假设非中心性参数固定在值5。从样本数据估计非中心卡方分布的自由度。属性自定义非中心卡方格式pdfPDF格式
输入参数。
(太好了,pci)大中型企业的(x) =“pdf”,@(X,V,d)ncx2pdf(X,V,5),“开始”,1)
太好了= 9.9307
PCI =2×19.5626 10.2989
用于noncentrality参数估计是9.9307,与9.5626和10.2989 95%置信区间。置信区间包括的10的真实参数值。
从具有8 noncentrality参数和5.首先创建莱斯分布刻度参数莱斯分布生成大小1000的采样数据。
R = makedist(“莱斯”,“年代”8“西格玛”5);
现在,从上面创建的分布中生成示例数据。
RNG默认%的再现性X =随机(R,1000,1);
假设尺度参数已知,从样本数据中估计非中心性参数。要做到这一点,请使用大中型企业
,您必须自定义Rician概率密度函数。
(太好了,pci)大中型企业的(x) =“pdf”@ (x,年代,σ)pdf (“rician”5),x,年代,“开始”,10)
柏= 7.8953
PCI =2×17.5405 8.2501
非中心性参数的估计为7.8953,95%置信区间为7.5404和8.2501。置信区间包含真实参数值8。
在卡方分布中添加一个尺度参数,以适应数据的尺度并拟合。首先,从自由度为5的卡方分布中生成大小为1000的样本数据,并将其按100的倍数缩放。
RNG默认%的再现性x = 100 * chi2rnd (1000 1);
估计自由度和比例因子。方法自定义卡方概率密度函数PDF格式
输入参数。密度函数需要一个
为数据缩放因子
。
(太好了,pci)大中型企业的(x) =“pdf”@ (x, v, s) chi2pdf / s (x / s, v),“开始”[1200])
太好了=1×25.1079 - 99.1681
PCI =2×24.6862 90.1215 5.5297 108.2146
自由度的估计是5.1079,尺度是99.1681。自由度的95%置信区间为(4.6862,5.5279),尺度参数为(90.1215,108.2146)。置信区间包括真实参数值分别为5和100。
数据
- - - - - -样本数据样本数据大中型企业
用于估计指定为矢量的分布参数。
数据类型:单
|双
DIST
- - - - - -分布类型“正常”
(默认)|字符向量或分配式的串标量要估计的参数的分布类型,指定为以下类型之一。
DIST |
描述 | 参数1 | 参数2 | 参数3 | 参数4 |
---|---|---|---|---|---|
“伯努利” |
伯努利分布 | p :成功的概率为每个试验 |
- - - - - - | - - - - - - | - - - - - - |
“测试版” |
贝塔分布 | 一个 :第一形状参数 |
b :第二形状参数 |
- - - - - - | - - - - - - |
'BINO' 要么“二” |
二项分布 | n :试验次数 |
p :成功的概率为每个试验 |
- - - - - - | - - - - - - |
“BirnbaumSaunders” |
伯恩鲍姆 - 桑德斯分布 | β:尺度参数 | γ:形状参数 | - - - - - - | - - - - - - |
“毛刺” |
十二型分布 | α:尺度参数 | c :第一形状参数 |
k :第二形状参数 |
- - - - - - |
离散均匀的 要么“unid” |
均匀分布(离散) | n :最大可观测值 |
- - - - - - | - - - - - - | - - - - - - |
“经验” 要么“指数” |
指数分布 | μ:是指 | - - - - - - | - - - - - - | - - - - - - |
“电动汽车” 要么'极值' |
极端值分布 | μ:位置参数 | σ:尺度参数 | - - - - - - | - - - - - - |
'GAM' 要么“伽马” |
Gamma分布 | 一个 :形状参数 |
b :尺度参数 |
- - - - - - | - - - - - - |
“绿家园” 要么“广义极值” |
广义极值分布 | k :形状参数 |
σ:尺度参数 | μ:位置参数 | - - - - - - |
“全科医生” 要么广义帕累托的 |
广义帕累托分布 | k :尾部指数(形状)参数 |
σ:尺度参数 | θ:阈值(位置)参数 | - - - - - - |
“地缘” 要么'几何' |
几何分布 | p :概率参数 |
- - - - - - | - - - - - - | - - - - - - |
'HN' 要么“半正常” |
Half-Normal分布 | μ:位置参数 | σ:尺度参数 | - - - - - - | - - - - - - |
“InverseGaussian” |
逆高斯分布 | μ:尺度参数 | λ:形状参数 | - - - - - - | - - - - - - |
“物流” |
物流配送 | μ:是指 | σ:尺度参数 | - - - - - - | - - - - - - |
“LogLogistic” |
Loglogistic分布 | μ:对数值的平均值 | σ:对数值的尺度参数 | - - - - - - | - - - - - - |
“logn” 要么对数正态的 |
对数正态分布 | μ:对数值的平均值 | σ:对数值的标准偏差 | - - - - - - | - - - - - - |
“中上” |
Nakagami分布 | μ:形状参数 | ω:尺度参数 | - - - - - - | - - - - - - |
'nbin' 要么“负二项” |
负二项分布 | r :成功次数 |
p :一次试验成功的概率 |
- - - - - - | - - - - - - |
'规范' 要么'正常' |
正态分布 | μ:是指 | σ:标准偏差 | - - - - - - | - - - - - - |
'poiss' 要么“泊松” |
泊松分布 | λ:是指 | - - - - - - | - - - - - - | - - - - - - |
“瑞利” 要么“瑞利” |
瑞利分布 | b :尺度参数 |
- - - - - - | - - - - - - | - - - - - - |
“莱斯” |
莱斯分布 | 年代 :非中心参数 |
σ:尺度参数 | - - - - - - | - - - - - - |
“稳定” |
稳定分布 | α:第一形状参数 | β:第二形状参数 | γ:尺度参数 | δ:位置参数 |
'tLocationScale' |
t Location-Scale分布 | μ:位置参数 | σ:尺度参数 | ν:形状参数 | - - - - - - |
“unif” 要么'制服' |
均匀分布(连续) | 一个 :下端点(最小) |
b :上端点(最大) |
- - - - - - | - - - - - - |
“wbl” 要么“威布尔” |
威布尔分布 | 一个 :尺度参数 |
b :形状参数 |
- - - - - - | - - - - - - |
例子:“rician”
PDF格式
- - - - - -自定义概率密度函数自定义概率分布函数,作为一个函数使用手柄创建指定@
。
这个自定义函数接受向量数据
和一个或多个单独的分布参数作为输入参数,并返回概率密度值的向量。
例如,如果自定义概率密度函数的名称是newpdf
,然后可以在中指定函数句柄大中型企业
如下。
例子:@newpdf
数据类型:function_handle
提供
- - - - - -自定义累积分布函数自定义累积分布函数,作为一个函数使用手柄创建指定@
。
这个自定义函数接受向量数据
和一个或多个单独的分布参数作为输入参数,并返回一个累积概率值的向量。
您必须定义提供
同PDF格式
如果数据审查和使用“审查”
名称 - 值对的参数。如果“审查”
是不是不在场,你不用指定吗提供
同时使用PDF格式
。
例如,如果自定义累积分布函数的名称是newcdf
,然后可以在中指定函数句柄大中型企业
如下。
例子:@newcdf
数据类型:function_handle
logpdf
- - - - - -自定义对数概率密度函数自定义日志概率密度函数,指定使用函数创建句柄@
。
这个自定义函数接受向量数据
和一个或多个单独的分布参数作为输入参数,并返回一个对数概率值的向量。
例如,如果自定义日志概率密度函数的名称是customlogpdf
,然后可以在中指定函数句柄大中型企业
如下。
例子:@customlogpdf
数据类型:function_handle
logsf
- - - - - -自定义日志存活函数自定义日志生存函数,指定为使用的功能句柄创建@
。
这个自定义函数接受向量数据
和一个或多个单独的分布参数作为输入参数,并返回一个log生存概率值的向量。
您必须定义logsf
同logpdf
如果数据审查和使用“审查”
名称 - 值对的参数。如果“审查”
是不是不在场,你不用指定吗logsf
同时使用logpdf
。
例如,如果自定义日志生存函数的名称为logsurvival
,然后可以在中指定函数句柄大中型企业
如下。
例子:@logsurvival
数据类型:function_handle
nloglf
- - - - - -自定义负对数似然函数定制负对数似然函数,指定为功能手柄使用创建@
。
这个自定义函数接受下面的输入参数。
PARAMS |
分布参数值的向量。大中型企业 检测从元素的数目的参数的数量开始 。 |
数据 |
矢量数据。 |
CENS |
截尾值的布尔矢量。 |
频率 |
整数数据频率的向量。 |
nloglf
必须接受所有四个论点,即使你不使用“审查”
要么'频率'
名称-值对参数。你可以写'nloglf'
忽略CENS
和频率
参数在这种情况下。
nloglf
返回一个标量的负对数似然值和一个可选的负对数似然梯度向量(请参阅'GradObj'
在现场“选项”
)。
如果名称自定义为负对数似然函数negloglik
,然后可以在中指定函数句柄大中型企业
如下。
例子:@negloglik
数据类型:function_handle
指定可选的用逗号分隔的对名称,值
参数。名称
是参数的名称和值
是对应的值。名称
必须出现引号内。您可以按照任何顺序指定多个名称和值对参数Name1, Value1,…,的家
。
“审查”,岑,“阿尔法”,0.01,“选项”,选择
指定大中型企业
估计参数为截尾数据的由阵列中指定的分配CENS
,计算参数估计的99%置信限,并使用由结构指定的算法控制参数选择
。
“审查”
- - - - - -指标审查截尾指示器,指定为逗号分隔对所组成的“审查”
和大小相同的布尔数组数据
。使用1表示正确审查的观察,使用0表示完全观察的观察。默认情况是所有的观察都被完全观察。
例如,如果该截尾数据信息是二进制阵列中称为截尾
,那么你可以按如下方式指定截尾数据。
例子:“截尾”,审查
大中型企业
万博1manbetx支持审查以下分布:
Birnbaum-Saunders 伯尔 指数 极值 γ 逆高斯 核心 Log-Logistic |
物流 对数正态 Nakagami 正常 Rician t Location-Scale 威布尔 |
数据类型:逻辑
'频率'
- - - - - -观测频率观测频率,指定为逗号分隔对所组成'频率'
和含非负整数的计数的阵列,其是大小相同的数据
。的默认值是每个元素一个观察数据
。
例如,如果观测频率存储在数组中命名频率
,您可以按如下方式指定的频率。
例子:“频率”,频率
数据类型:单
|双
'Α'
- - - - - -显着性水平参数估计置信区间的显著性水平,PCI
,指定为逗号分隔的一对组成的'Α'
和范围(0,1)内的标量值。的置信水平PCI
是100(1α)
%。默认值是0.05
有95%的信心。
例如,对于99%置信区间,你可以按如下方式指定的置信水平。
例子:'阿尔法',0.01
数据类型:单
|双
'NTrials'
- - - - - -试验次数的对应元素的试验次数数据
,指定为逗号分隔的一对组成的'Ntrials'
和大小相同的标量或向量数据
。
仅适用于二项分布。
例子:“Ntrials”,
数据类型:单
|双
'亩'
- - - - - -位置参数位置参数为半正态分布,指定为逗号分隔对所组成'亩'
和标量值。
仅适用于半正态分布。
例子:'亩',1
数据类型:单
|双
“选项”
- - - - - -拟合算法的控制参数拟合算法的控制参数,指定为逗号分隔的一对组成的“选项”
和结构通过返回statset
。
不适用于所有发行版。
使用“选项”
名称 - 值对参数拟合自定义分布时最大似然优化的控制的细节。对于参数名称和默认值,类型statset(“mlecustom”)
。您可以设置选项以新的名称和使用的名称 - 值对参数。大中型企业
解释以下statset
参数自定义分布拟合。
参数 | 值 |
---|---|
'GradObj' |
默认值是
|
“DerivStep” |
默认值是 的相对差,指定为一个标量或向量的大小相同
|
'FunValCheck' |
默认值是
起点的选择不当有时会导致这些函数返回 |
'TolBnd' |
默认值是 当使用一种用于下限和上限偏移
|
例子:“选项”,statset(“mlecustom”)
数据类型:结构
下界的
- - - - - -分布参数的下界分布参数的下界,指定为逗号分隔对所组成的“下界”
和向量的大小相同开始
。
属性时,此名称-值对参数才有效PDF格式
和提供
,logpdf
和logcdf
, 要么nloglf
输入参数。
例子:下界,0
数据类型:单
|双
生存函数的生存时间的函数的概率。它也被称为幸存者功能。它给出了一个人的存活时间超过一定值的概率。由于累积分布函数,F(t),为生存时间小于或等于给定时间点的概率,为连续分布的生存函数,年代(t),为累积分布函数的补充:年代(t) = 1 -F(t)。
当你提供分配函数时,大中型企业
计算使用迭代最大化算法的参数估计。对于某些模型和数据,起点选择不当可能导致大中型企业
收敛到不是全局最大化器的局部最优值,或者不能完全收敛。即使对数似然值在全局最大值附近表现良好,起始点的选择往往对算法的收敛性至关重要。特别地,如果初始参数值远离MLEs,分布函数中的欠流可能导致对数概率无穷大。
您单击对应于该MATLAB命令的链接:
通过在MATLAB命令窗口中输入该命令来运行该命令。Web浏览器不支持MATLAB命令。万博1manbetx
您还可以选择从下面的列表中的网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。