大中型企业

最大似然估计

所有的页面崩溃

语法

酷毙了大中型企业的(数据)=

酷毙了=大中型企业(数据、名称、值)

(太好了,pci) =标定<年代p一个nclass="argument_placeholder">___)

描述

酷毙了=标定<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-data" class="intrnllnk">数据)返回参数的最大似然(ml)估计正态分布,使用示例数据数据。

例子

酷毙了=标定<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-data" class="intrnllnk">数据,<一个href="//www.tatmou.com/es/es/help/stats/#namevaluepairarguments" class="intrnllnk">名称,值)使用一个或多个名称参数指定选项。

例如,您可以指定这些名称-值的分布类型使用一个参数:<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-dist" class="intrnllnk">分布,<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-pdf" class="intrnllnk">pdf,<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-logpdf" class="intrnllnk">logpdf,或<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-nloglf" class="intrnllnk">nloglf。

为一个内置的分布计算毫升,指定分布类型使用分布。例如,“分布”,β指定计算贝塔分布的毫升。
为一个自定义的分布计算毫升,定义分配使用pdf,logpdf,或nloglf,并指定初始参数值通过使用<一个href="//www.tatmou.com/es/es/help/stats/#mw_63792bf7-4cb6-463b-9ced-1402c960aa19" class="intrnllnk">开始。

例子

(<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-phat" class="intrnllnk">酷毙了,<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-pci" class="intrnllnk">一种总线标准]=标定<年代p一个nclass="argument_placeholder">___)返回参数的置信区间也使用任何输入参数组合在前面的语法。

例子

全部折叠

找到毫升内置的分布

打开生活的脚本

找到毫升为您指定使用一个内置的分布分布名称-值参数。

加载示例数据。

负载<年代p一个n年代tyle="color:#A020F0">carbig

的变量英里/加仑包含了针对不同型号的汽车英里每加仑。

画的直方图英里/加仑数据。

直方图(MPG)

有点右偏态分布。对称分布,如正态分布,可能不是一个合适的选择。

第十二毛刺类型分布的参数估计英里/加仑数据。

酷毙了=大中型企业(英里/加仑,<年代p一个n年代tyle="color:#A020F0">“分布”,<年代p一个n年代tyle="color:#A020F0">“毛刺”)

太好了=<年代p一个nclass="emphasis">1×334.6447 3.7898 3.5722

规模的标定参数α是34.6447。两个形状参数的估计<年代p一个nclass="inlineequation"> $c$ 和<年代p一个nclass="inlineequation"> $k$ 第十二毛刺类型的分布是3.7898和3.5722,分别。

计算程序和置信区间

打开生活的脚本

产生100从二项分布的随机观测试验<年代p一个nclass="inlineequation"> $n$ = 20和成功的概率<年代p一个nclass="inlineequation"> $p$ = 0.75。

rng (<年代p一个n年代tyle="color:#A020F0">“默认”)<年代p一个n年代tyle="color:#228B22">%的再现性数据=b在或nd (20 0.75,100 1);

估计成功的概率和99%可信限使用模拟的示例数据。您必须指定试验的数量(NTrials二项分布)。

(酷毙了,pci) =大中型企业(数据,<年代p一个n年代tyle="color:#A020F0">“分布”,<年代p一个n年代tyle="color:#A020F0">“二”,<年代p一个n年代tyle="color:#A020F0">“NTrials”,20岁,<年代p一个n年代tyle="color:#0000FF">…<年代p一个n年代tyle="color:#A020F0">“α”。01)

太好了= 0.7615

pci =<年代p一个nclass="emphasis">2×10.7361 - 0.7856

成功的概率的估计为0.7615,低和99%置信区间的上限是0.7361和0.7856,分别。这个区间内涵盖了用于模拟真实价值数据。

符合自定义概率密度函数(pdf)

打开生活的脚本

生成样本数据的大小从1000非中心卡方分布与自由度8和非中心参数3。

rng<年代p一个n年代tyle="color:#A020F0">默认的<年代p一个n年代tyle="color:#228B22">%的再现性x=ncx2rnd (8, 1000,1);

估计的参数非中心卡方分布的样本数据。的分布名称-值参数不支持非中心卡方分布。金宝app因此,您需要定义一个自定义的非中心卡方pdf使用pdf名称-值参数和ncx2pdf函数。您还必须指定初始参数值(开始名称-值参数)定制的分布。

(太好了,pci)大中型企业的(x) =<年代p一个n年代tyle="color:#A020F0">“pdf”@ (x, v, d) ncx2pdf (x, v, d),<年代p一个n年代tyle="color:#A020F0">“开始”(1])

太好了=<年代p一个nclass="emphasis">1×28.1052 - 2.6693

pci =<年代p一个nclass="emphasis">2×27.1120 1.6025 9.0983 3.7362

自由度的估计是8.1052和2.6693非中心参数。自由度的95%置信区间为(7.1120,9.0983),和非中心参数的区间为(1.6025,3.7362)。置信区间包含真正的参数值8和3,分别。

符合自定义日志概率密度函数(pdf)

打开生活的脚本

加载示例数据。

负载(<年代p一个n年代tyle="color:#A020F0">“readmissiontimes.mat”);

数据包括ReadmissionTime100名患者,重新接纳时间。这个数据是模拟。

定义一个自定义日志pdf与尺度参数威布尔分布λ和形状参数k。

custlogpdf = @(数据、λk)<年代p一个n年代tyle="color:#0000FF">…日志(k) - k *日志(λ)+ (k - 1) *日志(数据)-(数据/λ)。^ k;

估计的参数定制分布和指定初始参数值(开始名称-值参数)。

太好了=大中型企业(ReadmissionTime,<年代p一个n年代tyle="color:#A020F0">“logpdf”custlogpdf,<年代p一个n年代tyle="color:#A020F0">“开始”(0。75])

太好了=<年代p一个nclass="emphasis">1×27.5727 - 1.4540

的规模和形状参数定制分布是7.5727和1.4540,分别。

符合自定义- Loglikelihood函数

打开生活的脚本

加载示例数据。

负载(<年代p一个n年代tyle="color:#A020F0">“readmissiontimes.mat”)

数据包括ReadmissionTime100名患者,重新接纳时间。这个数据是模拟。

定义一个自定义消极loglikelihood的泊松分布函数参数λ,在那里1 /λ分布的均值。您必须定义这个函数接受一个逻辑审查信息和一个整数向量的向量数据的频率,即使你不使用这些值的自定义函数。

custnloglf = @(λ,数据,岑,频率)<年代p一个n年代tyle="color:#0000FF">…长度(数据)*日志(λ)+总和(λ*数据,<年代p一个n年代tyle="color:#A020F0">“omitnan”);

估计自定义的参数分布和指定初始参数值(开始名称-值参数)。

太好了=大中型企业(ReadmissionTime,<年代p一个n年代tyle="color:#A020F0">“nloglf”custnloglf,<年代p一个n年代tyle="color:#A020F0">“开始”,0.05)

太好了= 0.1462

合适的分布与已知参数

打开生活的脚本

生成样本数据的大小从1000非中心卡方分布与自由度10和非中心参数5。

rng (<年代p一个n年代tyle="color:#A020F0">“默认”)<年代p一个n年代tyle="color:#228B22">%的再现性x=ncx2rnd(1000年10日,5日,1);

假设非中心参数是固定值5。估计自由度非中心卡方分布的样本数据。为此,定义一个自定义的非中心卡方pdf使用pdf名称-值参数。

(太好了,pci)大中型企业的(x) =<年代p一个n年代tyle="color:#A020F0">“pdf”@ (x, v) ncx2pdf (x, v, 5),<年代p一个n年代tyle="color:#A020F0">“开始”,1)

太好了= 9.9307

pci =<年代p一个nclass="emphasis">2×19.5626 - 10.2989

非中心参数的估计是9.9307,95%置信区间的上下极限是9.5626和10.2989。置信区间包含真正的参数值10。

适合与额外的参数分布

打开生活的脚本

尺度参数添加到卡方分布适应数据的规模,和分布。

生成样本数据的大小从1000卡方分布与自由度5,和规模100倍的数据。

rng<年代p一个n年代tyle="color:#A020F0">默认的<年代p一个n年代tyle="color:#228B22">%的再现性x=100* chi2rnd (1000 1);

估计自由度和比例因子。为此,定义一个自定义卡方使用的概率密度函数pdf名称-值参数。需要的密度函数<年代p一个nclass="inlineequation"> $1 / 年代$ 因素相应的数据<年代p一个nclass="inlineequation"> $年代$ 。

(太好了,pci)大中型企业的(x) =<年代p一个n年代tyle="color:#A020F0">“pdf”@ (x, v, s) chi2pdf / s (x / s, v),<年代p一个n年代tyle="color:#A020F0">“开始”(1200])

太好了=<年代p一个nclass="emphasis">1×25.1079 - 99.1681

pci =<年代p一个nclass="emphasis">2×24.6862 90.1215 5.5297 108.2146

自由度的估计是5.1079和99.1681规模。自由度的95%置信区间为(4.6862,5.5279),和尺度参数的区间是(90.1215,108.2146)。真正的参数值的置信区间包含5和100年,分别。

适合定制Right-Censored数据分布

打开生活的脚本

加载示例数据。

负载(<年代p一个n年代tyle="color:#A020F0">“readmissiontimes.mat”);

数据包括ReadmissionTime100名患者,重新接纳时间。列向量审查包含审查信息对于每一个病人,1表示right-censored观察,0表示完全重新接纳时间观察。这个数据是模拟。

定义一个自定义概率密度函数(pdf)和一个累积分布函数为指数分布的参数(cdf)λ,在那里1 /λ分布的均值。适合审查的分布的数据集,您必须通过pdf和运作大中型企业函数。

custpdf = @(数据、λ)λ* exp(λ*数据);custcdf = @(数据、λ)1-exp(λ*数据);

估计参数λ自定义分布的审查示例数据。指定初始参数值(开始名称-值参数)定制的分布。

太好了=大中型企业(ReadmissionTime,<年代p一个n年代tyle="color:#A020F0">“pdf”custpdf,<年代p一个n年代tyle="color:#A020F0">“提供”custcdf,<年代p一个n年代tyle="color:#0000FF">…<年代p一个n年代tyle="color:#A020F0">“开始”,0.05,<年代p一个n年代tyle="color:#A020F0">“审查”审查)

太好了= 0.1096

找到毫升Double-Censored数据

打开生活的脚本

生成double-censored生存数据和找到一个内置的ml的分布数据。然后,使用毫升创建一个概率分布对象。

从Birnbaum-Saunders生成故障时间分布。

rng (<年代p一个n年代tyle="color:#A020F0">“默认”)<年代p一个n年代tyle="color:#228B22">%的再现性f一个iluretime =随机(<年代p一个n年代tyle="color:#A020F0">“BirnbaumSaunders”、0.3、1、[1]100年);

假设研究0.9 0.1开始时间和结束时间。假设意味着失败时间小于0.1剩下审查,审查和失败0.9倍是正确的。

创建一个向量中每个元素表示的审查状态对应的观察failuretime。使用1,1,0表示left-censored right-censored,分别和充分观察观察。

L = 0.1;U = 0.9;left_censored = (failuretime < L);right_censored = (failuretime > U);c = right_censored - left_censored;

找到毫升double-censored数据。通过使用指定审查信息审查名称-值参数。

太好了=大中型企业(failuretime,<年代p一个n年代tyle="color:#A020F0">“分布”,<年代p一个n年代tyle="color:#A020F0">“BirnbaumSaunders”,<年代p一个n年代tyle="color:#A020F0">“审查”c)

太好了=<年代p一个nclass="emphasis">1×20.2632 - 1.3040

创建一个概率分布对象毫升通过使用<一个href="//www.tatmou.com/es/es/es/help/stats/makedist.html" data-docid="stats_ug#btsj9q5" class="a">makedist函数。

pd = makedist (<年代p一个n年代tyle="color:#A020F0">“BirnbaumSaunders”,<年代p一个n年代tyle="color:#A020F0">“β”太好了(1)<年代p一个n年代tyle="color:#A020F0">“伽马”,太好了(2)

pd = BirnbaumSaundersDistribution Birnbaum-Saunders分布β= 0.263184γ= 1.304

pd是一个<一个href="//www.tatmou.com/es/es/es/help/stats/prob.birnbaumsaundersdistribution.html" data-docid="stats_ug#buk6eu9" class="a">BirnbaumSaundersDistribution对象。您可以使用对象的功能pd评估分布和生成随机数。显示功能的支持对象。金宝app

方法(pd)

类问题的方法。BirnbaumSaundersDistribution:提供iqr negloglik情节性病收集意味着paramci proflik截断icdf pdf中值随机变量

例如,计算均值和方差的分布使用的意思是和var函数,分别。

意思是(pd)

ans = 0.4869

var (pd)

ans = 0.3681

找到毫升结局数据

打开生活的脚本

生成样本数据代表机器故障时间后,威布尔分布。

rng (<年代p一个n年代tyle="color:#A020F0">“默认”)<年代p一个n年代tyle="color:#228B22">%的再现性f一个ilureTimes = wblrnd(5 2[1] 200年);

指定观察四舍五入为最接近的第二次失败的时间值。

观察=圆(failureTimes);

观察到的是结局数据。一个观察t在观察到的表示事件发生后时间t - 0.5在时间之前t + 0.5。

创建一个两列矩阵,包括审查信息。

intervalTimes =(观察观察到- 0.5 + 0.5);

失败的时间必须是积极的。找到值小于<一个href="//www.tatmou.com/es/es/es/help/matlab/ref/eps.html" data-docid="matlab_ref#br8pqeh-1" class="a">每股收益,改变他们每股收益。

intervalTimes (intervalTimes < eps) =每股收益;

找到的毫升用威布尔分布参数intervalTimes。

params =大中型企业(intervalTimes,<年代p一个n年代tyle="color:#A020F0">“分布”,<年代p一个n年代tyle="color:#A020F0">“威布尔”)

params =<年代p一个nclass="emphasis">1×25.0067 - 2.0049

策划的结果。

图直方图(观察,<年代p一个n年代tyle="color:#A020F0">“归一化”,<年代p一个n年代tyle="color:#A020F0">“pdf”)举行<年代p一个n年代tyle="color:#A020F0">在x=linspace(0,马克斯(观察));情节(x, wblpdf (x, params(1),参数个数(2)))传说(<年代p一个n年代tyle="color:#A020F0">观察样品的,<年代p一个n年代tyle="color:#A020F0">“拟合分布”)举行<年代p一个n年代tyle="color:#A020F0">从

图包含一个坐标轴对象。坐标轴对象包含2直方图类型的对象。这些对象代表观察到的样本,安装分布。

找到毫升分布与有限的支持金宝app

打开生活的脚本

生成样本分布的有限支持,并找到与定制选项的ml迭代估计过程。金宝app

对于一个地区零概率密度分布,大中型企业可能会尝试一些参数,密度为零,导致功能不知道毫升。为了避免这个问题,您可以关闭选项,检查无效的函数值和指定调用时参数范围大中型企业函数。

生成样本数据的大小从1000年的威布尔分布的尺度参数和形状参数1。把样品通过添加10。

rng (<年代p一个n年代tyle="color:#A020F0">“默认”)<年代p一个n年代tyle="color:#228B22">%的再现性数据=wblrnd(1, - 1,[1] 1000年)+ 10;直方图(数据、<年代p一个n年代tyle="color:#A020F0">“归一化”,<年代p一个n年代tyle="color:#A020F0">“pdf”)

直方图显示没有样品小于10,表明该地区分布为零概率小于10。这个分布是一个带三个参数的威布尔分布,其中包括一个位置(见第三个参数<一个href="//www.tatmou.com/es/es/es/help/stats/three-parameter-weibull-distribution.html" data-docid="stats_ug#mw_317acca4-b12b-4c1a-b0af-4fc8a4073643" class="a">三参数威布尔分布)。

定义一个概率密度函数(pdf)的带三个参数的威布尔分布。

custompdf = @ (x, a, b, c) wblpdf(得到a, b);

找到毫升通过使用大中型企业函数。指定选项关闭的选项名称参数检查无效的函数值。同时,指定使用的参数范围下界和UpperBound名称-值参数。规模和形状参数必须是积极的,必须小于最低位置参数的样本数据。

params =大中型企业(数据,<年代p一个n年代tyle="color:#A020F0">“pdf”custompdf,<年代p一个n年代tyle="color:#A020F0">“开始”(5 5 5),<年代p一个n年代tyle="color:#0000FF">…<年代p一个n年代tyle="color:#A020F0">“选项”年代t一个t年代et (<年代p一个n年代tyle="color:#A020F0">“FunValCheck”,<年代p一个n年代tyle="color:#A020F0">“关闭”),<年代p一个n年代tyle="color:#0000FF">…<年代p一个n年代tyle="color:#A020F0">下界的(00负),<年代p一个n年代tyle="color:#A020F0">“UpperBound”(正正无穷min(数据)))

params =<年代p一个nclass="emphasis">1×31.0258 1.0618 10.0004

的大中型企业函数发现三个参数的准确估计。为更多的细节在指定自定义选项迭代过程,看到的例子<一个href="//www.tatmou.com/es/es/es/help/stats/three-parameter-weibull-distribution.html" data-docid="stats_ug#mw_317acca4-b12b-4c1a-b0af-4fc8a4073643" class="a">三参数威布尔分布。

输入参数

全部折叠

`数据`- - - - - -<年代p一个nitemprop="purpose">样本数据和审查信息
<年代p一个n class="add_font_color_general remove_bold">向量|<年代p一个nitemprop="inputvalue">两列矩阵

样本数据和审查信息,指定为一个向量样本数据或一个两列的矩阵的示例数据和审查信息。

您可以指定的审查信息通过使用示例数据数据参数或<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-Censoring" class="intrnllnk">审查名称-值参数。大中型企业忽略了审查如果参数值数据是一个两列矩阵。

指定数据作为一个向量或一个两列矩阵根据审查类型的观察数据。

完全观测数据,指定数据作为一个向量样本数据。
数据包含充分观察、left-censored或right-censored观察——指定数据作为样本数据的一个向量,并指定审查名称-值参数作为一个为每一个观测向量包含审查信息。的审查向量可以包含0,1,1,指充分观察,left-censored,分别和right-censored观察。
数据,包括结局观察——指定数据两列矩阵的示例数据和审查信息。每一行的数据指定的范围可能生存或失败时间的每一个观察,并能有这些值之一:
- (t, t)——完全观察到t
- (负无穷,t)——Left-censoredt
- (t,正)——Right-censoredt
- [t<年代ub>1t<年代ub>2]——结局之间[t<年代ub>1t<年代ub>2],在那里t<年代ub>1<t<年代ub>2
的内置分布列表支持审查观察,看看金宝app<一个href="//www.tatmou.com/es/es/es/help/stats/mle.html" class="intrnllnk">审查。
大中型企业忽略了南值数据。此外,任何南审查中的值向量(审查)或频率向量(<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-Frequency" class="intrnllnk">频率)原因大中型企业忽略中相应的行数据。

数据类型:单|双

名称-值参数

指定可选的双参数作为Name1 = Value1,…,以=家,在那里的名字参数名称和吗价值相应的价值。名称-值参数必须出现在其他参数,但对的顺序无关紧要。
R2021a之前,用逗号来分隔每一个名称和值,并附上的名字在报价。

例子:“审查”,岑,“阿尔法”,0.01,“选项”,选择指示大中型企业估计的参数分布审查数据指定的数组岑为参数,计算99%置信区间估计,并使用指定的算法控制参数结构选择。

选项指定内置的分布

全部折叠

分布- - - - - -<年代p一个nitemprop="purpose">分布类型
<年代p一个n class="add_font_color_general remove_bold">“正常”(默认)|<年代p一个nitemprop="inputvalue">特征向量或字符串标量分布类型

分布类型的估计参数,指定为这个表中的值之一。

分布价值分布类型第一个参数第二个参数第三个参数第四个参数

“伯努利” 伯努利分布 p为每个审判:成功的可能性 N /一个 N /一个 N /一个

“β” 贝塔分布 一个:第一形状参数 b:第二形状参数 N /一个 N /一个

“二” 二项分布 p为每个审判:成功的可能性 N /一个 N /一个 N /一个

“BirnbaumSaunders” Birnbaum-Saunders分布 β:尺度参数 γ:形状参数 N /一个 N /一个

“毛刺” 第十二毛刺类型分布 α:尺度参数 c:第一形状参数 k:第二形状参数 N /一个

离散均匀的或“unid” 均匀分布(离散) n:最大观测值 N /一个 N /一个 N /一个

“指数” 指数分布 μ:是指 N /一个 N /一个 N /一个

“极端值”或“电动汽车” 极端值分布 μ:位置参数 σ:尺度参数 N /一个 N /一个

“伽马” 伽马分布 一个:形状参数 b:尺度参数 N /一个 N /一个

“广义极值”或“gev” 广义极值分布 k:形状参数 σ:尺度参数 μ:位置参数 N /一个

广义帕累托的或“全科医生” 广义帕累托分布 k:尾指数(形状)参数 σ:尺度参数 N /一个 N /一个

“几何” 几何分布 p:概率参数 N /一个 N /一个 N /一个

“正常”的一半或“环” Half-Normal分布 σ:尺度参数 N /一个 N /一个 N /一个

“InverseGaussian” 逆高斯分布 μ:尺度参数 λ:形状参数 N /一个 N /一个

“物流” 物流配送 μ:是指 σ:尺度参数 N /一个 N /一个

“LogLogistic” Loglogistic分布 μ:意思是对数的值 σ:对数尺度参数值 N /一个 N /一个

对数正态的 对数正态分布 μ:意思是对数的值 σ:对数标准差值 N /一个 N /一个

“Nakagami” Nakagami分布 μ:形状参数 ω:尺度参数 N /一个 N /一个

“负二项”或“nbin” 负二项分布 r:成功的数量 p:成功的可能性在一个审判 N /一个 N /一个

“正常” 正态分布 μ:是指 σ:标准偏差 N /一个 N /一个

“泊松” 泊松分布 λ:是指 N /一个 N /一个 N /一个

“瑞利” 瑞利分布 b:尺度参数 N /一个 N /一个 N /一个

“Rician” Rician分布 年代:非中心参数 σ:尺度参数 N /一个 N /一个

“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 N /一个

“统一” 均匀分布(连续) 一个:较低的端点(最小) b:上端点(最大) N /一个 N /一个

“威布尔”或“wbl” 威布尔分布 一个:尺度参数 b:形状参数 N /一个 N /一个

大中型企业不估计这些分布参数:

二项分布的试验。通过使用指定参数<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-NTrials" class="intrnllnk">NTrials名称-值参数。

half-normal分布的位置参数。通过使用指定参数<一个href="//www.tatmou.com/es/es/help/stats/#mw_b41fcdff-d012-4c5d-b54a-0b353782e2ff" class="intrnllnk">μ名称-值参数。

广义帕累托分布的位置参数。通过使用指定参数<一个href="//www.tatmou.com/es/es/help/stats/#mw_bbd62f60-0c51-49b1-ae5a-121822b5233d" class="intrnllnk">θ名称-值参数。

如果样品数据被截断或包括left-censored或结局观察,您必须指定<一个href="//www.tatmou.com/es/es/help/stats/#mw_63792bf7-4cb6-463b-9ced-1402c960aa19" class="intrnllnk">开始名称-值参数对毛刺分布和稳定分布。
例子:“分布”、“Rician”

NTrials- - - - - -<年代p一个nitemprop="purpose">试验二项分布
<年代p一个n class="add_font_color_general remove_bold">标量|<年代p一个nitemprop="inputvalue">向量

试验的对应元素的数量数据二项分布、指定为一个标量或矢量的行数一样数据。
这个论点时需要<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-dist" class="intrnllnk">分布是“二”(二项分布)。
例子:“Ntrials”, 10

数据类型:单|双

θ- - - - - -<年代p一个nitemprop="purpose">为广义帕累托分布位置(阈值)参数
<年代p一个n class="add_font_color_general remove_bold">标量

位置(阈值)为广义帕累托分布参数,指定为一个标量。
这个论点是有效的只有当<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-dist" class="intrnllnk">分布是广义帕累托的(广义帕累托分布)。
样本数据的默认值是0<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-data" class="intrnllnk">数据只包括非负价值。您必须指定θ如果数据包括负值。
例子:“θ”,1

数据类型:单|双

μ- - - - - -<年代p一个nitemprop="purpose">位置参数half-normal分布
<年代p一个n class="add_font_color_general remove_bold">标量

half-normal分布位置参数,指定为一个标量。
这个论点是有效的只有当<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-dist" class="intrnllnk">分布是“正常”的一半(half-normal分布)。
样本数据的默认值是0<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-data" class="intrnllnk">数据只包括非负价值。您必须指定μ如果数据包括负值。
例子:“亩”,1

数据类型:单|双

选项来定义自定义分布

全部折叠

pdf- - - - - -<年代p一个nitemprop="purpose">定制的概率密度函数
<年代p一个n class="add_font_color_general remove_bold">函数处理|<年代p一个nitemprop="inputvalue">单元阵列

自定义概率分布函数(pdf),指定为包含一个函数的函数处理或一个单元阵列处理和额外的函数的参数。
包含示例数据的自定义函数接受一个向量,一个或多个个体的分布参数,和任何额外的参数通过一个细胞数组作为输入参数。概率密度函数返回一个向量的值。
例子:@newpdf, pdf”

数据类型:function_handle|细胞

提供- - - - - -<年代p一个nitemprop="purpose">定制的累积分布函数
<年代p一个n class="add_font_color_general remove_bold">函数处理|<年代p一个nitemprop="inputvalue">单元阵列

定制的累积分布函数(cdf),指定为包含一个函数的函数处理或一个单元阵列处理和额外的函数的参数。
包含示例数据的自定义函数接受一个向量,一个或多个个体的分布参数,和任何额外的参数通过一个细胞数组作为输入参数。提供的函数返回一个矢量值。
计算毫升审查或截断观察,您必须定义提供和<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-pdf" class="intrnllnk">pdf。为充分观察和untruncated观察,大中型企业不使用提供。你可以通过使用指定审查信息<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-data" class="intrnllnk">数据或<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-Censoring" class="intrnllnk">审查并指定截断边界通过使用<一个href="//www.tatmou.com/es/es/help/stats/#mw_26baa01c-6f65-4c33-98df-19bd0c2efdcd" class="intrnllnk">TruncationBounds。
例子:“提供”,@newcdf

数据类型:function_handle|细胞

logpdf- - - - - -<年代p一个nitemprop="purpose">自定义日志概率密度函数
<年代p一个n class="add_font_color_general remove_bold">函数处理|<年代p一个nitemprop="inputvalue">单元阵列

自定义日志概率密度函数,指定为一个函数处理或包含一个函数单元阵列处理和附加参数的函数。
包含示例数据的自定义函数接受一个向量,一个或多个个体的分布参数,和任何额外的参数通过一个细胞数组作为输入参数。函数返回一个向量的日志概率值。
例子:logpdf, @customlogpdf

数据类型:function_handle|细胞

logsf- - - - - -<年代p一个nitemprop="purpose">自定义日志生存函数
<年代p一个n class="add_font_color_general remove_bold">函数处理|<年代p一个nitemprop="inputvalue">单元阵列

自定义日志<一个href="//www.tatmou.com/es/es/es/help/stats/mle.html" class="intrnllnk">生存函数,指定为一个函数处理或包含一个函数单元阵列处理和附加参数的函数。
包含示例数据的自定义函数接受一个向量,一个或多个个体的分布参数,和任何额外的参数通过一个细胞数组作为输入参数。函数返回一个向量的日志生存概率值。
计算毫升审查或截断观察,您必须定义logsf和<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-logpdf" class="intrnllnk">logpdf。为充分观察和untruncated观察,大中型企业不使用logsf。你可以通过使用指定审查信息<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-data" class="intrnllnk">数据或<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-Censoring" class="intrnllnk">审查并指定截断边界通过使用<一个href="//www.tatmou.com/es/es/help/stats/#mw_26baa01c-6f65-4c33-98df-19bd0c2efdcd" class="intrnllnk">TruncationBounds。
例子:logsf, @logsurvival

数据类型:function_handle|细胞

nloglf- - - - - -<年代p一个nitemprop="purpose">自定义- loglikelihood函数
<年代p一个n class="add_font_color_general remove_bold">函数处理|<年代p一个nitemprop="inputvalue">单元阵列

自定义- loglikelihood函数,指定为包含一个函数的函数处理或一个单元阵列处理和附加参数的函数。
自定义函数接受下面的输入参数,表中列出的顺序。

自定义函数的输入参数描述

参数个数 向量的分布参数值。大中型企业检测参数的数量从元素的数量<一个href="//www.tatmou.com/es/es/help/stats/#mw_63792bf7-4cb6-463b-9ced-1402c960aa19" class="intrnllnk">开始。

数据 示例数据。的<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-data" class="intrnllnk">数据值是一个向量样本数据或一个两列的矩阵的示例数据和审查信息。

岑 审查信息的逻辑向量。nloglf必须接受岑即使你不使用<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-Censoring" class="intrnllnk">审查名称-值参数。在这种情况下,您可以编写nloglf忽略岑。

频率 整数向量数据的频率。nloglf必须接受频率即使你不使用<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-Frequency" class="intrnllnk">频率名称-值参数。在这种情况下,您可以编写nloglf忽略频率。

trunc 双元素数值向量的截断边界。nloglf必须接受trunc如果你使用<一个href="//www.tatmou.com/es/es/help/stats/#mw_26baa01c-6f65-4c33-98df-19bd0c2efdcd" class="intrnllnk">TruncationBounds名称-值参数。

nloglf可以接受额外的参数通过一个细胞数组作为输入参数。
nloglf返回一个标量- loglikelihood值,可选地,消极loglikelihood梯度向量(参见GradObj字段<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-Options" class="intrnllnk">选项名称-值参数)。
例子:nloglf, @negloglik

数据类型:function_handle|细胞

其他选项

全部折叠

审查- - - - - -<年代p一个nitemprop="purpose">审查数据的指标
<年代p一个n class="add_font_color_general remove_bold">向量的0(默认)|<年代p一个nitemprop="inputvalue">向量组成的0,1,1

的审查指标数据,指定为一个向量组成的0,1,1,这表明充分观察,left-censored,分别和right-censored观察。每个元素的审查值表示的审查状态对应的观察<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-data" class="intrnllnk">数据。的审查值必须有相同的大小数据。默认是一个向量的0,表明所有的观察都是完全遵守。
你不能使用这个参数指定结局观察。如果样本数据包含结局观察,指定数据使用一个两列的矩阵。大中型企业忽略了审查如果价值数据是一个两列矩阵。
大中型企业金宝app支持审查以下内置分布和一个定制的分布。

分布价值分布类型

“BirnbaumSaunders”
Birnbaum-Saunders

“毛刺”
毛刺类型十二世

“指数”
指数

“极端值”或“电动汽车”
极值

“伽马”
γ

“InverseGaussian”
逆高斯分布

“物流”
物流

“LogLogistic”
Loglogistic

对数正态的
对数正态

“Nakagami”
Nakagami

“正常”
正常的

“Rician”
Rician

“tLocationScale”
tlocation-scale

“威布尔”或“wbl”
威布尔

对于一个定制的分布,您必须定义分配使用<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-pdf" class="intrnllnk">pdf和<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-cdf" class="intrnllnk">提供,<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-logpdf" class="intrnllnk">logpdf和<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-logsf" class="intrnllnk">logsf,或<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-nloglf" class="intrnllnk">nloglf。
大中型企业忽略任何一个南审查中的值向量。此外,任何南值数据或频率向量(<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-Frequency" class="intrnllnk">频率)原因大中型企业忽略相应的审查向量中的值。
例子:审查,审查,在那里审查是一个向量,其中包含审查信息。
数据类型:逻辑|单|双

TruncationBounds- - - - - -<年代p一个nitemprop="purpose">截断边界
<年代p一个n class="add_font_color_general remove_bold">(负、正)(默认)|<年代p一个nitemprop="inputvalue">向量的两个元素

截断边界,指定为一个向量的两个元素。
大中型企业金宝app支持以下内置分布和截断的观察一个定制的分布。

分布价值分布类型

“β”
β

“BirnbaumSaunders”
Birnbaum-Saunders

“毛刺”
毛刺

“指数”
指数

“极端值”或“电动汽车”
极值

“伽马”
γ

“广义极值”或“gev”
广义极值

广义帕累托的或“全科医生”
广义帕累托

“正常”的一半或“环”
Half-normal

“InverseGaussian”
逆高斯分布

“物流”
物流

“LogLogistic”
Loglogistic

对数正态的
对数正态

“Nakagami”
Nakagami

“正常”
正常的

“泊松”
泊松

“瑞利”
瑞利

“Rician”
Rician

“稳定”
稳定的

“tLocationScale”
tlocation-scale

“威布尔”或“wbl”
威布尔

对于一个定制的分布,您必须定义分配使用<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-pdf" class="intrnllnk">pdf和<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-cdf" class="intrnllnk">提供,<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-logpdf" class="intrnllnk">logpdf和<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-logsf" class="intrnllnk">logsf,或<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-nloglf" class="intrnllnk">nloglf。
例子:“TruncationBounds”, [0, 10)

数据类型:单|双

频率- - - - - -<年代p一个nitemprop="purpose">频率的观察
<年代p一个n class="add_font_color_general remove_bold">1的向量(默认)|<年代p一个nitemprop="inputvalue">向量的非负整数

频率的观测,指定为一个向量的非负整数数相同的行数<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-data" class="intrnllnk">数据。的j的th元素频率值的次数jth排数据被观察到。默认是1 s的向量,表示每排一个观察数据。
大中型企业忽略任何一个南在这个频率值向量。此外,任何南值数据或审查向量(<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-Censoring" class="intrnllnk">审查)原因大中型企业忽略相应的频率向量中的值。
例子:的频率,频率,在那里频率是一个向量包含观测频率。
数据类型:单|双

α- - - - - -<年代p一个nitemprop="purpose">显著性水平
<年代p一个n class="add_font_color_general remove_bold">0.05(默认)|<年代p一个nitemprop="inputvalue">标量的范围(0,1)

显著性水平的置信区间<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-pci" class="intrnllnk">一种总线标准指定的参数估计,作为标量范围(0,1)。的置信水平一种总线标准是100(1α)%。默认值是0.05有95%的信心。
例子:“阿尔法”,0.01指定了置信水平99%。
数据类型:单|双

选项- - - - - -<年代p一个nitemprop="purpose">选择迭代算法
<年代p一个n class="add_font_color_general remove_bold">statset (“mlecustom”)(默认)|<年代p一个nitemprop="inputvalue">结构

迭代算法选项,指定为返回的结构<一个href="//www.tatmou.com/es/es/es/help/stats/statset.html">statset。
使用这个参数来控制最大似然的细节优化。这个论点是有效的在以下情况下:

样本数据截断。

示例数据包括left-censored或结局观察。

你适合一个定制的分布。

的大中型企业功能解释如下statset选择优化。

字段名描述默认值

GradObj
标志指示是否fmincon可以预计,<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-nloglf" class="intrnllnk">nloglf自定义函数的梯度向量返回负loglikelihood作为第二输出,指定为“上”或“关闭”。
为提供一个梯度的一个例子fmincon,请参阅<一个href="//www.tatmou.com/es/es/es/help/stats/fitting-custom-univariate-distributions-part-2.html" class="a">配件定制分布时避免数值问题。
大中型企业忽略了GradObj当使用fminsearch。您可以指定使用的优化函数<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-OptimFun" class="intrnllnk">OptimFun名称-值参数。默认的优化函数fminsearch。
“关闭”

DerivStep
相对差异,指定为一个向量的大小一样<一个href="//www.tatmou.com/es/es/help/stats/#mw_63792bf7-4cb6-463b-9ced-1402c960aa19" class="intrnllnk">开始并使用在有限差分近似导数大中型企业使用fmincon和GradObj是“关闭”。
大中型企业忽略了DerivStep当使用fminsearch。
eps ^ (1/3)

FunValCheck
标志指示是否大中型企业检查有效性的分布函数,返回的值指定为“上”或“关闭”。
一个糟糕的选择可能导致分布函数返回起点南年代,无限值,或超出范围的值如果您定义的函数没有合适的错误检查。
“上”

TolBnd
上下边界时抵消大中型企业使用fmincon,指定为一个积极的标量。
大中型企业将上下边界视为严格的不平等,或开放的边界。当使用fmincon,大中型企业接近的范围包括指定的偏移量TolBnd上下边界。
1 e-6

TolFun
终止公差函数值,指定为一个积极的标量。
1 e-6

TolX
终止对参数,指定为一个积极的标量。
1 e-6

MaxFunEvals
最大数量的函数允许评估,指定为一个正整数。
400年

麦克斯特
最大允许的迭代次数,指定为一个正整数。
200年

显示
显示,指定为“关闭”,“最后一次”,或“通路”。

“关闭”——显示任何信息。

“最后一次”——显示最后的信息。

“通路”在每一次迭代时,显示信息

“关闭”

的例子选项名称-值参数,看到<一个href="//www.tatmou.com/es/es/es/help/stats/mle.html" class="intrnllnk">找到毫升分布与有限的支持金宝app和<一个href="//www.tatmou.com/es/es/es/help/stats/three-parameter-weibull-distribution.html" class="a">三参数威布尔分布。
更多细节,请参阅选项输入参数的<一个href="//www.tatmou.com/es/es/es/help/matlab/ref/fminsearch.html">fminsearch和<一个href="//www.tatmou.com/es/es/es/help/optim/ug/fmincon.html">fmincon(优化工具箱)。
例子:“选项”,statset (“FunValCheck”、“了”)

数据类型:结构体

开始- - - - - -<年代p一个nitemprop="purpose">初始参数值
<年代p一个n class="add_font_color_general remove_bold">行向量

初始参数值毛刺分布,分布稳定,和自定义分布,指定为一个行向量。的长度开始值必须与参数估计的数量相同大中型企业。
如果样品数据被截断或包括left-censored或结局观察,开始毛刺和稳定的分布参数是必需的。这个论点时总是需要适应一个定制的分布,也就是说,当你使用<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-pdf" class="intrnllnk">pdf,<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-logpdf" class="intrnllnk">logpdf,或<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-nloglf" class="intrnllnk">nloglf名称-值参数。在其他情况下,大中型企业可以找到初始值或计算毫升没有初始值。
例子:0.05

例子:(100 2)

数据类型:单|双

下界- - - - - -<年代p一个nitemprop="purpose">下界的分布参数
<年代p一个n class="add_font_color_general remove_bold">向量的负年代(默认)|<年代p一个nitemprop="inputvalue">行向量

下界的分布参数,指定为一个行向量的长度一样<一个href="//www.tatmou.com/es/es/help/stats/#mw_63792bf7-4cb6-463b-9ced-1402c960aa19" class="intrnllnk">开始。
这个论点是有效的在以下情况下:

样本数据截断。

示例数据包括left-censored或结局观察。

你适合一个定制的分布。

例子:下界,0

数据类型:单|双

UpperBound- - - - - -<年代p一个nitemprop="purpose">分布参数的上界
<年代p一个n class="add_font_color_general remove_bold">向量的正年代(默认)|<年代p一个nitemprop="inputvalue">行向量

分布参数的上界,指定为一个行向量的长度相同<一个href="//www.tatmou.com/es/es/help/stats/#mw_63792bf7-4cb6-463b-9ced-1402c960aa19" class="intrnllnk">开始。
这个论点是有效的在以下情况下:

样本数据截断。

示例数据包括left-censored或结局观察。

你适合一个定制的分布。

例子:“Upperbound”, 1

数据类型:单|双

OptimFun- - - - - -<年代p一个nitemprop="purpose">优化功能
<年代p一个n class="add_font_color_general remove_bold">“fminsearch”(默认)|<年代p一个nitemprop="inputvalue">“fmincon”

所使用的优化函数大中型企业为了最大化的可能性,指定为“fminsearch”或“fmincon”。的“fmincon”选择需要优化工具箱™。

样本数据截断。

示例数据包括left-censored或结局观察。

你适合一个定制的分布。

例子:“Optimfun”、“fmincon”

输出参数

全部折叠

酷毙了——参数估计
<年代p一个nclass="add_font_color_general remove_bold">行向量

参数估计,返回一个行向量。为内置的分布参数估计的描述,看看<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-dist" class="intrnllnk">分布。

一种总线标准——参数估计的置信区间
<年代p一个nclass="add_font_color_general remove_bold">2 -k矩阵

参数置信区间估计,作为2 -返回k矩阵,k参数估计的数量吗大中型企业。的第一行和第二行一种总线标准分别显示了上下置信区间。
您可以指定为置信区间利用显著性水平<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-Alpha" class="intrnllnk">α名称-值参数。

更多关于

全部折叠

审查类型

大中型企业金宝app支持left-censored right-censored,结局观察。

Left-censored观察时间t——事件发生之前的时间t,具体的事件时间不详。

Right-censored观察时间t——事件发生后时间t,具体的事件时间不详。

结局观察区间内[t<年代ub>1t<年代ub>2]——事件发生后时间t<年代ub>1在时间之前t<年代ub>2,具体的事件时间不详。

Double-censored数据包括left-censored和right-censored观察。

生存函数

生存的生存函数的概率作为时间的函数。它也被称为幸存者函数。
生存函数的概率给个体的存活时间超过一定值。因为累积分布函数F(t)的概率是生存时间是小于或等于给定的点t随着时间的推移,持续的生存函数分布年代(t)是补的累积分布函数:<年代p一个nclass="inlineequation">年代(t)= 1 -F(t)。

提示

当你提供定制left-censored分布函数或使用内置的分布,double-censored,结局,或截断的观察,大中型企业计算参数估计使用迭代算法最大化。一些模型和数据,一个贫穷的起点的选择(<一个href="//www.tatmou.com/es/es/help/stats/#mw_63792bf7-4cb6-463b-9ced-1402c960aa19" class="intrnllnk">开始)可能会导致大中型企业收敛于局部最优,不是全球达到极大,或未能完全收敛。即使在情况下的loglikelihood是全球最大附近表现好,起点的选择往往是算法的收敛的关键。特别是,如果初始参数值远离ml下溢的分布函数会导致无限loglikelihoods。

算法

的大中型企业函数发现毫升通过最小化负面loglikelihood函数(即最大化loglikelihood函数)或通过使用封闭的解,如果可用。目标函数的负对数价值产品的样本数据(X)的概率,由于分布参数(θ):

$目标函数 = - 日志 \prod_{x \in X} P (x | θ)$

概率函数P取决于审查每个观测信息。

充分观察观察,<年代p一个nclass="inlineequation">P(x|θ)=f(x),在那里f是参数的概率密度函数(pdf)θ。

Left-censored观察,<年代p一个nclass="inlineequation">P(x|θ)=F(x),在那里F累积分布函数(cdf)参数θ。

Right-censored观察,<年代p一个nclass="inlineequation">P(x|θ)= 1 -F(x)。

结局之间的观察x<年代ub>l和x<年代ub>U- - - - - -<年代p一个nclass="inlineequation">P(x|θ)=F(x<年代ub>U)- - -F(x<年代ub>l)。

对于截断数据,大中型企业尺度分布函数,这样所有的可能性在于截断边界<年代p一个nclass="inlineequation">(l,U]。

$f_{截断} (x) = {\begin{array}{l} \frac{f (x)}{F (U) - F (l)}, 如果 l \leq x \leq U, \\ 0, 否则。 \end{array}$

$F_{截断} (x) = {\begin{array}{l} \frac{F (x) - F (l)}{F (U) - F (l)}, & 如果 l \leq x \leq U, \\ \begin{array}{l} 0, \\ 1, \end{array} & \begin{array}{l} 如果 x < l, \\ 如果 x > U 。 \end{array} \end{array}$

的大中型企业函数计算置信区间<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-pci" class="intrnllnk">一种总线标准使用一个精确的方法是可用的,当样本数据是不会被删除的,不包括left-censored或结局的观察。否则,该函数使用瓦尔德的方法。准确的方法可用于这些分布:二项,离散均匀,指数,正常,对数正态、泊松、瑞利,连续均匀。

扩展功能

GPU数组
<年代p一个nclass=" remove_bold add_font_color_general">加速代码运行在一个图形处理单元(GPU)使用并行计算工具箱™。

使用笔记和限制:

你不能指定名称参数分布作为“Rician”或“稳定”。

如果你适合通过使用一个自定义的分布pdf和提供,logpdf和logsf,或nloglf名称-值参数,定制的分布函数必须支持GPU数组。金宝app

有关更多信息,请参见<一个href="//www.tatmou.com/es/es/es/help/parallel-computing/run-matlab-functions-on-a-gpu.html" class="a">运行在GPU MATLAB函数<年代p一个nrole="cross_prod">(并行计算工具箱)。

版本历史

之前介绍过的R2006a

另请参阅

fitdist|<年代p一个nitemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">mlecov|<年代p一个nitemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">statset|<年代p一个nitemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">分布更健康

主题

 最大似然估计

 生存分析是什么?

符合自定义分布

 配件定制分布时避免数值问题

Abrir比如

这种版本modificada德埃斯特比如。害怕Desea abrir埃斯特比如con sus modificaciones吗?

不,sobrescribir modificada la版本<一个id="open-example-dialog-continue" class="btn btn_color_blue" data-dismiss="modal">如果

第一de MATLAB

Ha事实clic en联合国围绕此时一个埃斯特第一de MATLAB:

Ejecute el第一introduciendolo en la ventana de第一de MATLAB。洛杉矶navegadores网络没有admiten第一de MATLAB。

选择一个网站

选择一个网站翻译内容,看到当地事件和提供。根据你的位置,我们建议您选择:<年代tr在g class="recommended-country">。

瑞士(英语)

瑞士(德语)

瑞士(法语)

中国(简体中文)

中国(英语)

你也可以从下面的列表中选择一个网站:

表现最好的网站怎么走吗

选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。

美洲

 美国拉丁(西班牙语)

加拿大(英语)

美国(英语)

欧洲

 比利时(英语)

丹麦(英语)

德国(德语)

西班牙(西班牙语)

芬兰(英语)

法国(法语)

爱尔兰(英语)

意大利(意大利语)

卢森堡(英语)

荷兰(英语)

挪威(英语)

奥地利(德语)

葡萄牙(英语)

瑞典(英语)

瑞士

 多伊奇

 英语

 法语

 联合王国(英语)

亚太地区

 澳大利亚(英语)

印度(英语)

新西兰(英语)

中国

 简体中文

 英语

 日本(日本語)

한국(한국어)

联系你当地的办公室

`分布`价值	分布类型	第一个参数	第二个参数	第三个参数	第四个参数
`“伯努利”`	伯努利分布	`p`为每个审判:成功的可能性	N /一个	N /一个	N /一个
`“β”`	贝塔分布	`一个`:第一形状参数	`b`:第二形状参数	N /一个	N /一个
`“二”`	二项分布	`p`为每个审判:成功的可能性	N /一个	N /一个	N /一个
`“BirnbaumSaunders”`	Birnbaum-Saunders分布	β:尺度参数	γ:形状参数	N /一个	N /一个
`“毛刺”`	第十二毛刺类型分布	α:尺度参数	`c`:第一形状参数	`k`:第二形状参数	N /一个
`离散均匀的`或`“unid”`	均匀分布(离散)	`n`:最大观测值	N /一个	N /一个	N /一个
`“指数”`	指数分布	μ:是指	N /一个	N /一个	N /一个
`“极端值”`或`“电动汽车”`	极端值分布	μ:位置参数	σ:尺度参数	N /一个	N /一个
`“伽马”`	伽马分布	`一个`:形状参数	`b`:尺度参数	N /一个	N /一个
`“广义极值”`或`“gev”`	广义极值分布	`k`:形状参数	σ:尺度参数	μ:位置参数	N /一个
`广义帕累托的`或`“全科医生”`	广义帕累托分布	`k`:尾指数(形状)参数	σ:尺度参数	N /一个	N /一个
`“几何”`	几何分布	`p`:概率参数	N /一个	N /一个	N /一个
`“正常”的一半`或`“环”`	Half-Normal分布	σ:尺度参数	N /一个	N /一个	N /一个
`“InverseGaussian”`	逆高斯分布	μ:尺度参数	λ:形状参数	N /一个	N /一个
`“物流”`	物流配送	μ:是指	σ:尺度参数	N /一个	N /一个
`“LogLogistic”`	Loglogistic分布	μ:意思是对数的值	σ:对数尺度参数值	N /一个	N /一个
`对数正态的`	对数正态分布	μ:意思是对数的值	σ:对数标准差值	N /一个	N /一个
`“Nakagami”`	Nakagami分布	μ:形状参数	ω:尺度参数	N /一个	N /一个
`“负二项”`或`“nbin”`	负二项分布	`r`:成功的数量	`p`:成功的可能性在一个审判	N /一个	N /一个
`“正常”`	正态分布	μ:是指	σ:标准偏差	N /一个	N /一个
`“泊松”`	泊松分布	λ:是指	N /一个	N /一个	N /一个
`“瑞利”`	瑞利分布	`b`:尺度参数	N /一个	N /一个	N /一个
`“Rician”`	Rician分布	`年代`:非中心参数	σ:尺度参数	N /一个	N /一个
`“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	N /一个
`“统一”`	均匀分布(连续)	`一个`:较低的端点(最小)	`b`:上端点(最大)	N /一个	N /一个
`“威布尔”`或`“wbl”`	威布尔分布	`一个`:尺度参数	`b`:形状参数	N /一个	N /一个

自定义函数的输入参数	描述
`参数个数`	向量的分布参数值。`大中型企业`检测参数的数量从元素的数量<一个href="//www.tatmou.com/es/es/help/stats/#mw_63792bf7-4cb6-463b-9ced-1402c960aa19" class="intrnllnk">`开始`。
`数据`	示例数据。的<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-data" class="intrnllnk">`数据`值是一个向量样本数据或一个两列的矩阵的示例数据和审查信息。
`岑`	审查信息的逻辑向量。`nloglf`必须接受`岑`即使你不使用<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-Censoring" class="intrnllnk">`审查`名称-值参数。在这种情况下,您可以编写`nloglf`忽略`岑`。
`频率`	整数向量数据的频率。`nloglf`必须接受`频率`即使你不使用<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-Frequency" class="intrnllnk">`频率`名称-值参数。在这种情况下,您可以编写`nloglf`忽略`频率`。
`trunc`	双元素数值向量的截断边界。`nloglf`必须接受`trunc`如果你使用<一个href="//www.tatmou.com/es/es/help/stats/#mw_26baa01c-6f65-4c33-98df-19bd0c2efdcd" class="intrnllnk">`TruncationBounds`名称-值参数。

`分布`价值	分布类型
`“BirnbaumSaunders”`	Birnbaum-Saunders
`“毛刺”`	毛刺类型十二世
`“指数”`	指数
`“极端值”`或`“电动汽车”`	极值
`“伽马”`	γ
`“InverseGaussian”`	逆高斯分布
`“物流”`	物流
`“LogLogistic”`	Loglogistic
`对数正态的`	对数正态
`“Nakagami”`	Nakagami
`“正常”`	正常的
`“Rician”`	Rician
`“tLocationScale”`	tlocation-scale
`“威布尔”`或`“wbl”`	威布尔

`分布`价值	分布类型
`“β”`	β
`“BirnbaumSaunders”`	Birnbaum-Saunders
`“毛刺”`	毛刺
`“指数”`	指数
`“极端值”`或`“电动汽车”`	极值
`“伽马”`	γ
`“广义极值”`或`“gev”`	广义极值
`广义帕累托的`或`“全科医生”`	广义帕累托
`“正常”的一半`或`“环”`	Half-normal
`“InverseGaussian”`	逆高斯分布
`“物流”`	物流
`“LogLogistic”`	Loglogistic
`对数正态的`	对数正态
`“Nakagami”`	Nakagami
`“正常”`	正常的
`“泊松”`	泊松
`“瑞利”`	瑞利
`“Rician”`	Rician
`“稳定”`	稳定的
`“tLocationScale”`	tlocation-scale
`“威布尔”`或`“wbl”`	威布尔

字段名	描述	默认值
`GradObj`	标志指示是否`fmincon`可以预计,<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-nloglf" class="intrnllnk">`nloglf`自定义函数的梯度向量返回负loglikelihood作为第二输出,指定为`“上”`或`“关闭”`。为提供一个梯度的一个例子`fmincon`,请参阅<一个href="//www.tatmou.com/es/es/es/help/stats/fitting-custom-univariate-distributions-part-2.html" class="a">配件定制分布时避免数值问题。 `大中型企业`忽略了`GradObj`当使用`fminsearch`。您可以指定使用的优化函数<一个href="//www.tatmou.com/es/es/help/stats/#bttrys8-OptimFun" class="intrnllnk">`OptimFun`名称-值参数。默认的优化函数`fminsearch`。	`“关闭”`
`DerivStep`	相对差异,指定为一个向量的大小一样<一个href="//www.tatmou.com/es/es/help/stats/#mw_63792bf7-4cb6-463b-9ced-1402c960aa19" class="intrnllnk">`开始`并使用在有限差分近似导数`大中型企业`使用`fmincon`和`GradObj`是`“关闭”`。 `大中型企业`忽略了`DerivStep`当使用`fminsearch`。	`eps ^ (1/3)`
`FunValCheck`	标志指示是否`大中型企业`检查有效性的分布函数,返回的值指定为`“上”`或`“关闭”`。一个糟糕的选择可能导致分布函数返回起点`南`年代,无限值,或超出范围的值如果您定义的函数没有合适的错误检查。	`“上”`
`TolBnd`	上下边界时抵消`大中型企业`使用`fmincon`,指定为一个积极的标量。 `大中型企业`将上下边界视为严格的不平等,或开放的边界。当使用`fmincon`,`大中型企业`接近的范围包括指定的偏移量`TolBnd`上下边界。	`1 e-6`
`TolFun`	终止公差函数值,指定为一个积极的标量。	`1 e-6`
`TolX`	终止对参数,指定为一个积极的标量。	`1 e-6`
`MaxFunEvals`	最大数量的函数允许评估,指定为一个正整数。	`400年`
`麦克斯特`	最大允许的迭代次数,指定为一个正整数。	`200年`
`显示`	显示,指定为`“关闭”`,`“最后一次”`,或`“通路”`。 `“关闭”`——显示任何信息。 `“最后一次”`——显示最后的信息。 `“通路”`在每一次迭代时,显示信息	`“关闭”`

大中型企业

语法

描述

例子

找到毫升内置的分布

计算程序和置信区间

符合自定义概率密度函数(pdf)

符合自定义日志概率密度函数(pdf)

符合自定义- Loglikelihood函数

合适的分布与已知参数

适合与额外的参数分布

适合定制Right-Censored数据分布

找到毫升Double-Censored数据

找到毫升结局数据

找到毫升分布与有限的支持金宝app

输入参数

数据- - - - - -<年代p一个nitemprop="purpose">样本数据和审查信息<年代p一个n class="add_font_color_general remove_bold">向量|<年代p一个nitemprop="inputvalue">两列矩阵

名称-值参数

分布- - - - - -<年代p一个nitemprop="purpose">分布类型<年代p一个n class="add_font_color_general remove_bold">“正常”(默认)|<年代p一个nitemprop="inputvalue">特征向量或字符串标量分布类型

NTrials- - - - - -<年代p一个nitemprop="purpose">试验二项分布<年代p一个n class="add_font_color_general remove_bold">标量|<年代p一个nitemprop="inputvalue">向量

θ- - - - - -<年代p一个nitemprop="purpose">为广义帕累托分布位置(阈值)参数<年代p一个n class="add_font_color_general remove_bold">标量

μ- - - - - -<年代p一个nitemprop="purpose">位置参数half-normal分布<年代p一个n class="add_font_color_general remove_bold">标量

pdf- - - - - -<年代p一个nitemprop="purpose">定制的概率密度函数<年代p一个n class="add_font_color_general remove_bold">函数处理|<年代p一个nitemprop="inputvalue">单元阵列

提供- - - - - -<年代p一个nitemprop="purpose">定制的累积分布函数<年代p一个n class="add_font_color_general remove_bold">函数处理|<年代p一个nitemprop="inputvalue">单元阵列

logpdf- - - - - -<年代p一个nitemprop="purpose">自定义日志概率密度函数<年代p一个n class="add_font_color_general remove_bold">函数处理|<年代p一个nitemprop="inputvalue">单元阵列

logsf- - - - - -<年代p一个nitemprop="purpose">自定义日志生存函数<年代p一个n class="add_font_color_general remove_bold">函数处理|<年代p一个nitemprop="inputvalue">单元阵列

nloglf- - - - - -<年代p一个nitemprop="purpose">自定义- loglikelihood函数<年代p一个n class="add_font_color_general remove_bold">函数处理|<年代p一个nitemprop="inputvalue">单元阵列

审查- - - - - -<年代p一个nitemprop="purpose">审查数据的指标<年代p一个n class="add_font_color_general remove_bold">向量的0(默认)|<年代p一个nitemprop="inputvalue">向量组成的0,1,1

TruncationBounds- - - - - -<年代p一个nitemprop="purpose">截断边界<年代p一个n class="add_font_color_general remove_bold">(负、正)(默认)|<年代p一个nitemprop="inputvalue">向量的两个元素

频率- - - - - -<年代p一个nitemprop="purpose">频率的观察<年代p一个n class="add_font_color_general remove_bold">1的向量(默认)|<年代p一个nitemprop="inputvalue">向量的非负整数

α- - - - - -<年代p一个nitemprop="purpose">显著性水平<年代p一个n class="add_font_color_general remove_bold">0.05(默认)|<年代p一个nitemprop="inputvalue">标量的范围(0,1)

选项- - - - - -<年代p一个nitemprop="purpose">选择迭代算法<年代p一个n class="add_font_color_general remove_bold">statset (“mlecustom”)(默认)|<年代p一个nitemprop="inputvalue">结构

开始- - - - - -<年代p一个nitemprop="purpose">初始参数值<年代p一个n class="add_font_color_general remove_bold">行向量

下界- - - - - -<年代p一个nitemprop="purpose">下界的分布参数<年代p一个n class="add_font_color_general remove_bold">向量的负年代(默认)|<年代p一个nitemprop="inputvalue">行向量

UpperBound- - - - - -<年代p一个nitemprop="purpose">分布参数的上界<年代p一个n class="add_font_color_general remove_bold">向量的正年代(默认)|<年代p一个nitemprop="inputvalue">行向量

OptimFun- - - - - -<年代p一个nitemprop="purpose">优化功能<年代p一个n class="add_font_color_general remove_bold">“fminsearch”(默认)|<年代p一个nitemprop="inputvalue">“fmincon”

输出参数

酷毙了——参数估计<年代p一个nclass="add_font_color_general remove_bold">行向量

一种总线标准——参数估计的置信区间<年代p一个nclass="add_font_color_general remove_bold">2 -k矩阵

更多关于

审查类型

生存函数

提示

算法

扩展功能

GPU数组<年代p一个nclass=" remove_bold add_font_color_general">加速代码运行在一个图形处理单元(GPU)使用并行计算工具箱™。

版本历史

另请参阅

主题

`数据`- - - - - -<年代p一个nitemprop="purpose">样本数据和审查信息
<年代p一个n class="add_font_color_general remove_bold">向量|<年代p一个nitemprop="inputvalue">两列矩阵

`分布`- - - - - -<年代p一个nitemprop="purpose">分布类型
<年代p一个n class="add_font_color_general remove_bold">`“正常”`(默认)|<年代p一个nitemprop="inputvalue">特征向量或字符串标量分布类型

`NTrials`- - - - - -<年代p一个nitemprop="purpose">试验二项分布
<年代p一个n class="add_font_color_general remove_bold">标量|<年代p一个nitemprop="inputvalue">向量

`θ`- - - - - -<年代p一个nitemprop="purpose">为广义帕累托分布位置(阈值)参数
<年代p一个n class="add_font_color_general remove_bold">标量

`μ`- - - - - -<年代p一个nitemprop="purpose">位置参数half-normal分布
<年代p一个n class="add_font_color_general remove_bold">标量

`pdf`- - - - - -<年代p一个nitemprop="purpose">定制的概率密度函数
<年代p一个n class="add_font_color_general remove_bold">函数处理|<年代p一个nitemprop="inputvalue">单元阵列

`提供`- - - - - -<年代p一个nitemprop="purpose">定制的累积分布函数
<年代p一个n class="add_font_color_general remove_bold">函数处理|<年代p一个nitemprop="inputvalue">单元阵列

`logpdf`- - - - - -<年代p一个nitemprop="purpose">自定义日志概率密度函数
<年代p一个n class="add_font_color_general remove_bold">函数处理|<年代p一个nitemprop="inputvalue">单元阵列

`logsf`- - - - - -<年代p一个nitemprop="purpose">自定义日志生存函数
<年代p一个n class="add_font_color_general remove_bold">函数处理|<年代p一个nitemprop="inputvalue">单元阵列

`nloglf`- - - - - -<年代p一个nitemprop="purpose">自定义- loglikelihood函数
<年代p一个n class="add_font_color_general remove_bold">函数处理|<年代p一个nitemprop="inputvalue">单元阵列

`审查`- - - - - -<年代p一个nitemprop="purpose">审查数据的指标
<年代p一个n class="add_font_color_general remove_bold">向量的0(默认)|<年代p一个nitemprop="inputvalue">向量组成的0,1,1

`TruncationBounds`- - - - - -<年代p一个nitemprop="purpose">截断边界
<年代p一个n class="add_font_color_general remove_bold">`(负、正)`(默认)|<年代p一个nitemprop="inputvalue">向量的两个元素

`频率`- - - - - -<年代p一个nitemprop="purpose">频率的观察
<年代p一个n class="add_font_color_general remove_bold">1的向量(默认)|<年代p一个nitemprop="inputvalue">向量的非负整数

`α`- - - - - -<年代p一个nitemprop="purpose">显著性水平
<年代p一个n class="add_font_color_general remove_bold">0.05(默认)|<年代p一个nitemprop="inputvalue">标量的范围(0,1)

`选项`- - - - - -<年代p一个nitemprop="purpose">选择迭代算法
<年代p一个n class="add_font_color_general remove_bold">`statset (“mlecustom”)`(默认)|<年代p一个nitemprop="inputvalue">结构

`开始`- - - - - -<年代p一个nitemprop="purpose">初始参数值
<年代p一个n class="add_font_color_general remove_bold">行向量

`下界`- - - - - -<年代p一个nitemprop="purpose">下界的分布参数
<年代p一个n class="add_font_color_general remove_bold">向量的`负`年代(默认)|<年代p一个nitemprop="inputvalue">行向量

`UpperBound`- - - - - -<年代p一个nitemprop="purpose">分布参数的上界
<年代p一个n class="add_font_color_general remove_bold">向量的`正`年代(默认)|<年代p一个nitemprop="inputvalue">行向量

`OptimFun`- - - - - -<年代p一个nitemprop="purpose">优化功能
<年代p一个n class="add_font_color_general remove_bold">`“fminsearch”`(默认)|<年代p一个nitemprop="inputvalue">`“fmincon”`

`酷毙了`——参数估计
<年代p一个nclass="add_font_color_general remove_bold">行向量

`一种总线标准`——参数估计的置信区间
<年代p一个nclass="add_font_color_general remove_bold">2 -k矩阵

GPU数组
<年代p一个nclass=" remove_bold add_font_color_general">加速代码运行在一个图形处理单元(GPU)使用并行计算工具箱™。