求具有截尾的数据集的最小二乘大中型企业，然后求出最大似然数的负对数似然数lognlike．

从对数正态分布中生成1000个随机数，参数为5和2。

rng (“默认”）%的再现性n = 1000;%样本数量x = lognrnd (5 2 [n, 1]);

求分布参数(对数值的均值和标准差)的最大似然域大中型企业．

酷毙了大中型企业的(x) =“分布”，对数正态的）

太好了=1×14.9347 - 1.9969

找出MLEs的负对数可能性。

nlogL = lognlike(酷毙了,x)

nlogL = 7.0453 e + 03

求对数正态分布参数的最大似然估计(MLEs)，然后求相应cdf值的置信区间。

从对数正态分布中生成1000个随机数，参数为5和2。

rng (“默认”）%的再现性n = 1000;%样本数量x = lognrnd (5, 2, n, 1);

求分布参数(对数值的均值和标准差)的最大似然域大中型企业．

酷毙了大中型企业的(x) =“分布”，对数正态的）

太好了=1×14.9347 - 1.9969

muHat =酷毙了(1);sigmaHat =酷毙了(2);

估计分布参数的协方差lognlike．这个函数lognlike返回渐近协方差矩阵的近似值，如果您通过最大似然估计和用于估计最大似然估计的样本。

[~, pCov] = lognlike(酷毙了,x)

pCov =2×10.0040 -0.0000 -0.0000 0.0020

找出0.5处的cdf值及其95%置信区间。

[p,巴解组织,小狗]= logncdf(0.5、muHat sigmaHat pCov)

p = 0.0024

巴解组织= 0.0016

小狗= 0.0037

p对数正态分布的CDF值是否带参数muHat和sigmaHat．的时间间隔(巴解组织,小狗)考虑到的不确定性，CDF的95%置信区间是否为0.5muHat和sigmaHat使用pCov．95%置信区间表示(巴解组织,小狗)包含真实的CDF值为0.95。