γ参数估计
太好了= gamfit(数据)
(太好了,pci) = gamfit(数据)
(太好了,pci) = gamfit(数据、α)
[...] = gamfit(数据、α、审查、频率、期权)
太好了= gamfit(数据)
返回给定向量数据的伽玛分布参数的最大似然估计(MLEs)数据
.
(太好了,pci) = gamfit(数据)
返回MLEs和95%置信区间。第一行一种总线标准
为置信区间的下界;最后一行是上限。
(太好了,pci) = gamfit(数据、α)
返回100(1 -α)
%的置信区间。例如,α
=0.01
产生99%的置信区间。
[...] = gamfit(数据、α审查)
接受大小相同的布尔向量数据
即1表示被右截掉的观测结果0表示完全被观测到的观测结果。
[...) = gamfit(数据、α、审查、频率)
接受与。相同大小的频率向量数据
.频率
中的相应元素通常包含整数频率数据
,但可以包含任何非负值。
[...] = gamfit(数据、α、审查、频率、期权)
接受一个结构,选项
,为函数用于计算最大似然估计的迭代算法指定控制参数。拟合函数接受选项
结构,该结构可以使用函数创建statset
.输入statset(“gamfit”)
以查看参数的名称和默认值gamfit
接受的选项
结构。
拟合伽马分布到由指定伽马分布生成的随机数据:
= 2;b = 4;data = gamrnd (a, b, 100, (1);[p,ci] = gamfit(data) p = 2.1990 3.7426 ci = 1.6840 2.8298 2.7141 4.6554
哈恩,杰拉德·J, s·s·夏皮罗。工程统计模型.j: John Wiley & Sons, Inc., 1994, p. 88。