主要内容

lognfit

对数正态参数估计

折叠所有页面

语法

pHat=lognfit（x）
(太好了,pCI) = lognfit (x)
[pHat，pCI]=lognfit（x，alpha）
［＿＿＿]=lognfit（x，alpha，截尾）
［＿＿＿]=lognfit（x，alpha，删失，频率）
［＿＿＿) = lognfit (x,α,审查、频率、期权)

描述

酷毙了= lognfit (x）给定的样本数据，返回对数正态分布参数的无偏估计x．太好了(1)和太好了(2)分别为对数值的平均值和标准差。

［酷毙了，一种总线标准) = lognfit (x）也返回参数估计的95%置信区间。

例子

［酷毙了，一种总线标准) = lognfit (x，α）指定要设置的置信区间的置信级别100（1-α）%．

例子

［＿＿＿) = lognfit (x，α，审查）指定每个值是否在x是否对权利进行审查。使用逻辑向量审查其中1表示右删失的观测值，0表示完全观测的观测值。在审查的情况下酷毙了这些值是最大似然估计（MLE）。

［＿＿＿) = lognfit (x，α，审查，频率）指定观察的频率或权重。

例子

［＿＿＿) = lognfit (x，α，审查，频率，选择权）指定迭代算法的优化选项lognfit用于计算带有审查的最大似然估计。创造选择权通过使用函数斯塔塞特．

你可以进去[]为α，审查,频率使用它们的默认值。

例子

全部折叠

打开实时脚本

从参数5和2的对数正态分布中生成1000个随机数。

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

找到参数估计和99%置信区间。

[pHat，pCI]=lognfit（x，0.01）
法特=1×24.9347 - 1.9979
pCI =2×24.7717 1.8887 5.0978 2.1196

太好了(1)和太好了(2)分别为对数值的平均值和标准差。一种总线标准包含平均值和标准偏差参数的99%置信区间。第一行中的值是下界，第二行中的值是上界。

打开实时脚本

用截尾法求数据集的极大似然估计lognfit．使用斯塔塞特指定迭代算法选项lognfit用该方法计算截尾数的最大熵值，然后再求出最大熵值。

生成真实时间x它符合参数为5和2的对数正态分布。

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

生成审查时间。请注意，审查时间必须独立于真实时间x．

censtime=normrnd（150,20，大小（x））；

指定检查次数和观察次数的指标。

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

求对数正态分布参数的最大似然值。的第二个输入参数lognfit指定置信度。传入[]使用其默认值0.05。第三个输入参数指定审查信息。

pHat=lognfit（y，[]，审查）
法特=1×24.9535 - 1.9996

显示所需的默认算法参数lognfit用于估计对数正态分布参数。

斯塔塞特(“lognfit”）
ans =结构体字段:显示：“关闭”MaxFunEvals:200 MaxIter:100 TolBnd:1.0000e-06 TolFun:1.0000e-08 TolTypeFun:[]TolX:1.0000e-08 ToltypeXx:[]GradObj:[]Jacobian:[]DerivStep:[]FunValCheck:[]健壮性：[]健壮性：[]健壮性WgtFun:[]调优:[]使用并行性：[]使用子流：[]流：{}输出FCN:[]

使用其他名称保存选项。更改结果的显示方式(展示)和目标函数的终止容差(托尔芬）.

选择= statset (“lognfit”）;选项。展示=“决赛”；选项。托尔芬= 1e-10;

或者，您可以通过使用函数的名称-值对参数指定算法参数斯塔塞特．

选择= statset (“显示”，“决赛”，“托尔芬”1平台以及);

用新算法参数求最大似然估计。

酷毙了= lognfit(审查,y,[][],选项)
成功收敛：小于选项的梯度范数。TolFun
法特=1×24.9535 - 1.9996

lognfit显示关于最后一次迭代的报告。

输入参数

全部折叠

样本数据，指定为向量。

数据类型：单一的|双重的

置信区间的显著性水平，指定为范围（0,1）内的标量。信心水平是100(1α)%,α为置信区间不包含真值的概率。

例子：0．01

数据类型：单一的|双重的

中每个值的审查指标x，指定为与相同大小的逻辑向量x．用1表示右删观测值，用0表示完全观测值。

默认值是0的数组，这意味着所有观测值都被完全观测到。

数据类型：逻辑

观测的频率或权重，指定为大小相同的非负矢量x．的频率输入参数通常包含中相应元素的非负整数计数x，但可以包含任何非负值。

为获得带有截尾的数据集的加权最大似然值，指定观测值的权重，将其归一化为中观测值的个数x．

默认值是1的数组，这意味着每个元素的观察值为1x．

数据类型：单一的|双重的

优化选项，指定为结构。选择权确定迭代算法的控制参数lognfit用于计算截尾数数据的MLEs。

创造选择权通过使用函数斯塔塞特或者通过创建包含此表中描述的字段和值的结构数组。

字段名 价值 默认值
展示

算法显示的信息量。

  • “关”-不显示任何信息。

  • “决赛”-显示最终输出。

 “关”
MaxFunEvals

允许的目标函数求值的最大数目，指定为正整数。

 200
麦克斯特

允许的最大迭代次数，指定为正整数。

 100
托尔布纳德

标准偏差参数估计的下界，指定为一个正标量。

均值和标准差参数估计的界为(负、正)和[TolBnd,正],分别。

 1e-6
托尔芬

目标函数值的终止公差，指定为一个正标量。

 1e-8
TolX

参数的终止公差，指定为正标量。

 1e-8

你也可以输入statset（'lognfit”)在命令窗口中查看字段的名称和默认值lognfit接受的选择权结构。

例子：statset（'Display'、'final'、'MaxIter'，1000）指定显示迭代算法结果的最终信息，并将允许的最大迭代次数更改为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向量返回。太好了(1)和太好了(2)分别为对数值的平均值和标准差。

  • 在没有审查的情况下酷毙了价值是无偏的估计。若要计算无截尾的MLEs，请使用最大似然误差函数。

  • 通过审查,酷毙了价值是MLEs。要计算加权最大似然值，可通过使用指定观测值的权重频率．

为对数正态分布的参数估计的置信区间，返回为一个2 × 2矩阵，包含的上下界100（1-α）%置信区间。

第一行和第二行分别对应置信区间的上界和下界。

算法

为了计算置信区间，lognfit对未删失数据采用精确法，对删失数据采用Wald法。精确方法为未删减的样本提供了精确的覆盖t和卡方分布。

选择功能

lognfit是一个特定于对数正态分布的函数。Statistics和Machine Learning Toolbox™也提供了通用函数最大似然误差，fitdist,paramci和分配装配工应用程序，它支持各种概金宝app率分布。

参考文献

[1] 埃文斯，M.，N。黑斯廷斯和B。雄孔雀统计分布．第2版。霍博肯，新泽西州:约翰威利父子公司，1993。

j·F·劳里斯终生数据的统计模型和方法．新泽西州霍博肯:Wiley-Interscience出版社，1982年。

[3]米克尔，小Q，洛杉矶埃斯科瓦尔。可靠性数据的统计方法. 新泽西州霍博肯：约翰·威利父子公司，1998年。

扩展能力

C/C++代码生成
使用MATLAB®Coder™生成C和c++代码。

另请参阅

||||||||||

主题

在R2006a之前引入

统计和机器学习工具箱文档

金宝app

掌握机器学习:一步一步的指导与MATLAB

掌握机器学习:一步一步的指导与MATLAB

下载电子书