matlab常用分布极大似然估计函数用法(含例子实现) | 您所在的位置:网站首页 › 利用matlab计算 › matlab常用分布极大似然估计函数用法(含例子实现) |
本博文源于matlab概率论运用。学过《概率论》的同学都知道,极大似然估计一般用于区间估计的。而matlab已经将其封装好由我们自己调用。 参数估计的MATLAB函数 函数功能[mu,sigma,muci,sigmaci] = normfit(x,alpha)正态总体的均值、标准差的极大似然估计mu和sigma,返回在显著性水平alpha下的均值、标准差的置信区间muci和sigmaci,x是样本(数组或矩阵),alpha默认设定为0.05[mu,muci]= expfit(x,alpha)指数分布的极大似然估计,返回显著性水平alpha下的置信区间muci,x是样本(数组或矩阵),alpha默认设定为0.05[a,b,aci,bci] = unifig(x,alpha)均匀分布的极大似然估计,返回显著性水平alpha下的置信区间aci,x是样本(数组或矩阵),alpha默认设定为0.05[p,pci] = binofit(x,n,alpha)二项分布的极大似然估计,返回显著性水平alpha下的置信区间pci,x是样本(数组或矩阵),alpha默认设定为0.05[lambda,labdaci] = poissfit(x,alpha)泊松分布的极大似然估计,返回显著性水平alpha下的置信区间lambdaci,x是样本(数组或矩阵),alpha默认设定为0.05 例子:下面是某厂的瓶装运动饮料体积,求均值、标准差的极大似然估计值及置信水平为0.90的置信区间数据如下: 595 602 610 585 618 615 605 620 600 606我们运用表格中的第一个函数即可求得 >> x=[595 602 610 585 618 615 605 620 600 606] x = 595 602 610 585 618 615 605 620 600 606 >> [mu,sigma,muci,sigmaci] = normfit(x,0.90) mu = 605.6000 sigma = 10.8033 muci = 605.1584 606.0416 sigmaci = 10.8864 11.5724 >>答:置信水平为0.90时,均值及标准差的极大似然估计值分别是605.6000与10.8033.均值及标准差的置信区间分别为(605.1584,606.0416)和(10.8864,11.5724) |
CopyRight 2018-2019 实验室设备网 版权所有 |