主要内容

lognfit

对数正态参数估计

所有的页面崩溃

语法

太好了= lognfit (x)
(太好了,pCI) = lognfit (x)
(太好了,pCI) = lognfit (x,α)
(___]= lognfit (x,α,审查)
(___)= lognfit (x,α,审查、频率)
(___)= lognfit (x,α,审查、频率、期权)

描述

酷毙了= lognfit (x)返回对数正态分布参数的无偏估计,考虑到样本数据x。太好了(1)和太好了(2)是对数的平均值和标准偏差值,分别。

(酷毙了,一种总线标准)= lognfit (x)参数估计也回报95%置信区间。

例子

(酷毙了,一种总线标准)= lognfit (x,α)指定置信区间的置信水平100(1α)%。

例子

(___)= lognfit (x,α,审查)指定是否每个值xright-censored与否。使用逻辑向量审查1表明观察right-censored和0表示完全观察到的观察。通过审查,酷毙了值的最大似然(ml)估计。

(___)= lognfit (x,α,审查,频率)指定的频率或重量的观察。

例子

(___)= lognfit (x,α,审查,频率,选项)指定迭代算法优化选项lognfit使用计算与审查毫升。创建选项通过使用函数statset。

你可以通过在[]为α,审查,频率使用默认值。

例子

全部折叠

打开生活的脚本

产生1000的参数对数正态分布的随机数5和2。

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

发现参数估计和99%的置信区间。

(太好了,pCI) = lognfit (0.01 x))
太好了=1×24.9347 - 1.9979
pCI =2×24.7717 1.8887 5.0978 2.1196

太好了(1)和太好了(2)是对数的平均值和标准偏差值,分别。一种总线标准包含99%置信区间的平均值和标准偏差参数。在第一行的值下界,和第二行中的值是上界。

打开生活的脚本

找到一个数据集的ml审查通过lognfit。使用statset选项指定的迭代算法lognfit使用计算毫升审查数据,然后再次找到毫升。

产生真正的次x遵循对数正态分布的参数5和2。

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

生成审查时间。注意,审查时间必须独立于真实的时代x。

censtime = normrnd(150年,20岁的大小(x));

指定的指标审查时间和观察到的时间。

审查= x > censtime;y = min (x, censtime);

找到毫升的对数正态分布的参数。第二个输入参数lognfit指定的信心水平。通过[]使用其默认值0.05。第三个输入参数指定审查信息。

太好了= lognfit (y,[],审查)
太好了=1×24.9535 - 1.9996

显示默认的算法参数lognfit使用对数正态分布参数的估计。

statset (“lognfit”)
ans =结构体字段:显示:‘离开’MaxFunEvals: 200麦克斯特:100 TolBnd: 1.0000 e-06 TolFun: 1.0000 e-08 TolTypeFun: [] TolX: 1.0000 e-08 TolTypeX: [] GradObj:雅可比矩阵[]:[]DerivStep: [] FunValCheck:[]健壮:[]RobustWgtFun: [] WgtFun:[]的调子:[]UseParallel: [] UseSubstreams:[]流:{}OutputFcn: []

使用一个不同的名称保存选项。改变显示的结果(显示)和终止对目标函数(TolFun)。

选择= statset (“lognfit”);选项。显示=“最后一次”;选项。TolFun= 1e-10;

此外,您可以指定使用名称-值对算法参数的函数的参数statset。

选择= statset (“显示”,“最后一次”,“TolFun”1平台以及);

找到的ml算法参数。

酷毙了= lognfit(审查,y,[][],选项)
成功的融合:梯度小于OPTIONS.TolFun规范
太好了=1×24.9535 - 1.9996

lognfit显示一个报告最后的迭代。

输入参数

全部折叠

样本数据,指定为一个向量。

数据类型:单|双

显著性水平的置信区间,指定为一个标量范围(0,1)。置信水平是100(1α)%,α的置信区间的概率是不包含真正的价值。

例子:0.01

数据类型:单|双

为每个值的审查指标x,指定为一个逻辑向量相同的大小x。用1来观察right-censored和0的观测,完全遵守。

默认值是0的数组,也就是说所有的观察都是完全遵守。

数据类型:逻辑

频率或重量的观测,指定为一个非负向量大小是一样的x。的频率输入参数通常包含非负整数中相应的元素x,但可以包含任何非负价值。

获得一个数据集的加权毫升审查,指定重量的观测,规范化的观察x。

默认是1 s的数组,也就是说每个元素的一个观察x。

数据类型:单|双

优化选项,指定为一个结构。选项确定控制参数的迭代算法lognfit用来计算毫升审查数据。

创建选项通过使用函数statset或通过创建一个结构数组包含字段和值在这个表中描述。

字段名 价值 默认值
显示

数量的信息显示的算法。

  • “关闭”——显示任何信息。

  • “最后一次”——显示最终的输出。

 “关闭”
MaxFunEvals

最大数量的目标函数评价允许指定为一个正整数。

 200年
麦克斯特

最大允许的迭代次数,指定为一个正整数。

 One hundred.
TolBnd

下界的估计标准偏差参数,指定为一个积极的标量。

平均值和标准偏差的边界参数估计(负、正)和[TolBnd,正],分别。

 1 e-6
TolFun

终止对目标函数值,指定为一个积极的标量。

 1 e-8
TolX

终止对参数,指定为一个积极的标量。

 1 e-8

您还可以输入statset ('lognfit”)在命令窗口中看到的字段的名称和默认值lognfit接受的选项结构。

例子:statset(“显示”、“最后”,麦克斯特,1000)指定要显示的最后信息迭代算法的结果,和迭代允许的最大数量更改为1000。

数据类型:结构体

输出参数

全部折叠

对数正态分布参数的估计,作为1×2返回向量。太好了(1)和太好了(2)是对数的平均值和标准偏差值,分别。

  • 没有审查酷毙了值无偏估计。计算毫升没有审查,使用大中型企业函数。

  • 通过审查,酷毙了价值观是毫升。计算加权毫升,指定重量的观察使用频率。

对数正态分布的参数置信区间估计,作为一个2×2矩阵包含返回的上下界限100(1α)%的置信区间。

第一行和第二行对应的置信区间的上下边界,分别。

算法

计算置信区间,lognfit使用的方法为未经审查的数据和瓦尔德审查数据的方法。确切的方法提供了确切报道未经审查的基于样本t和卡方分布。

选择功能

lognfit是一个特定于对数正态分布函数。统计和机器学习工具箱™也提供了通用的功能大中型企业,fitdist,paramci和分布更健康应用程序,它支持各种概金宝app率分布。

  • 大中型企业返回毫升和ml的置信区间参数的各种概率分布。您可以指定的概率分布的名字或一个定制的概率密度函数。

  • 创建一个LognormalDistribution通过数据拟合分布概率分布对象使用fitdist函数或分布更健康应用程序对象的属性μ和σ存储参数估计。获取参数的置信区间估计,通过对象paramci。

引用

[1]埃文斯,M。,N. Hastings, and B. Peacock.统计分布。第二版,霍博肯,台北:约翰·威利& Sons Inc ., 1993年。

[2]无法无天,j·F。寿命数据的统计模型和方法。新泽西州霍博肯:Wiley-Interscience, 1982年。

[3]米克,w . Q。,L. A. Escobar.可靠性数据的统计方法。新泽西州霍博肯:约翰·威利& Sons Inc ., 1998年。

扩展功能

C / c++代码生成
生成C和c++代码使用MATLAB®编码器™。

版本历史

之前介绍过的R2006a

另请参阅

||||||||||

主题