Beta版的参数估计
柏= betafit(数据)
[柏,PCI] = betafit(数据,阿尔法)
柏= betafit(数据)
计算β分布参数的最大似然估计一个和b从载体中的数据数据
并返回包含一个列向量一个和b估计,在公测CDF由下式给出
和乙(·)是β函数。的元素数据
必须位于在开区间(0,1),其中,所述β分布的定义。然而,有时也有必要以适合β分布于包括精确零或一的数据。对于这样的数据,β似然函数是无界的,和标准的最大似然估计是不可能的。在这种情况下,betafit
最大化的改性可能性是将它们视为好像它们是已在左截尾值包含了零或一开方(realmin)
或右删失在1-EPS
/ 2,分别。
[柏,PCI] = betafit(数据,阿尔法)
返回的置信区间一个和b在2×2矩阵的参数PCI
。所述矩阵的第一列包含参数的下限和上限置信边界一个,而第二列包含参数的置信区间b。可选的输入参数α
是在指定置信区间的宽度范围[0,1]的值。默认,α
是0.05
,其对应于95%置信区间。置信区间是基于参数估计值的日志的分布的正常近似。
本实施例中生成的β100周分布的观察。真正的一个和b参数分别为4和3。比较这对返回的值在p
通过公测配合。注意的列CI
既括真实参数。
数据= betarnd(4,3,100,1);[P,CI] = betafit(数据,0.01)P = 5.5328 3.8097 CI = 3.6538 2.6197 8.3781 5.5402
[1]哈恩,杰拉德J.,和S. S.夏皮罗。在工程统计模型。新泽西州霍博肯市:John Wiley和Sons公司,1994年,页。95。