PARAMCI.

概率分布参数的置信区间

页面上倒塌

句法

ci = paramci (pd)

CI = PARAPCI（PD，NAME，VALUE）

CI.= paramci（pd）返回的数组CI.概率分布中每个参数的95％置信区间的较低和上边界pd。

CI.= paramci（pd那名称，价值）返回带有由一个或多个名称-值对参数指定的附加选项的置信区间。例如，您可以为置信区间指定不同的百分比，或者只计算选定参数的置信区间。

打开生活的脚本

加载样本数据。创建包含第一列的学生考试等级数据的矢量。

加载examgradesx =等级（：，1）;

将正态分布对象符合数据。

pd = fitdist (x,'普通的'）

正态分布mu = 75.0083 [73.4321, 76.5846] sigma = 8.7202 [7.7391, 9.98843]

参数估计旁边的区间是分布参数的95%置信区间。

你也可以使用这个函数来获得这些区间PARAMCI.。

ci = paramci (pd)

ci =2×273.4321 7.7391 76.5846 9.9884

第1列CI.包含mu参数的上下95%置信区间边界，第二列包含sigma参数的边界。

打开生活的脚本

加载样本数据。创建包含第一列的学生考试等级数据的矢量。

加载examgradesx =等级（：，1）;

将正态分布对象符合数据。

pd = fitdist (x,'普通的'）

正态分布mu = 75.0083 [73.4321, 76.5846] sigma = 8.7202 [7.7391, 9.98843]

计算分布参数的99％置信区间。

ci = paramci (pd,“α”，.01）

ci =2×27.4627 77.0922 10.4403

第1列CI.包含MU参数的较低99％置信区间边界，第2列包含Sigma参数的边界。

概率分布，指定为使用以下任一项创建的概率分布对象。

功能或应用程序	描述
`制造主义者`	使用指定的参数值创建一个概率分布对象。
`Fitdist.`	将概率分布对象符合示例数据。
配送钳工	使用交互式distribution Fitter应用程序拟合样本数据的概率分布，并将拟合对象导出到工作空间。

指定可选的逗号分离对名称，价值参数。名称是参数名称和价值为对应值。名称必须出现在引号内。可以以任意顺序指定多个名称和值对参数Name1, Value1,…,的家。

例子:“阿尔法”,0.01指定99%的置信区间。

置信区间的意义水平，指定为逗号分隔对“α”和范围内的标量值（0,1）。置信水平CI.是100（1-alpha）％。默认值0.05对应于95％的置信区间。

例子:“阿尔法”,0.01

数据类型：单身的|双

要计算置信区间的参数列表，指定为逗号分隔的对，由'范围'和包含参数名称的字符向量，字符串数组或单元格数组。默认情况下，PARAMCI.计算所有分发参数的置信区间。

例子:'参数'，'mu'

数据类型：字符|细绳|细胞

用于置信区间的计算方法，指定为逗号分隔的对组成“类型”和“准确”那“瓦尔德”，要么“lr”。

“准确”使用精确的方法计算置信区间，并且可用于以下分布。

分布	计算方法
二项	基于精确概率计算计算使用Clopper-Pearson方法计算。此方法不提供精确的覆盖概率。
幂数	使用基于Chi-Square分布的方法计算。此方法提供完整的覆盖，并为禁用2次删除的样本。
普通的	基于T.和未经审查样本的Chi-Square分布为未经审查样本提供了精确的覆盖范围。对于罚款样本，`PARAMCI.`使用Wald方法`类型`是`确切的`。
lognormal.	基于T.而未删减样本的卡方分布提供了准确的覆盖范围。对于罚款样本，`PARAMCI.`使用Wald方法`类型`是`确切的`。
泊松	基于卡方分布的计算方法提供了精确的覆盖范围。对于大自由度，卡方近似为数值效率的正态分布。
瑞利	基于Chi-Square分布的计算方法提供了精确的覆盖概率。