このペ,ジの翻訳は最新ではありません。ここをクリックして,英語の最新版を参照してください。
最尤推定
標本デ,タを読み込みます。
负载carbig
変数英里/加仑
には,さまざまな自動車モデルのガロンあたりの走行マ。
英里/加仑
デ,タのヒストグラムを描画します。
直方图(MPG)
分布はやや右に歪んでいます。正規分布などの対称分布は適切な近似にならない場合があります。
英里/加仑
デタのブル型xii分布のパラメタを推定します。
phat = mle(MPG,“分布”,“毛刺”)
太好了=1×334.6447 3.7898 3.5722
スケ,ルパラメ,タ,αの最尤推定値は34.6447です。ブル型xii分布の2の形状パラメタ および の推定値は,それぞれ3.7898および3.5722です。
自由度が8,非心度パラメーターが3の非心カイ二乗分布から,サイズが1000の標本データを生成します。
rng默认的再现率%X = ncx2rnd(8,3,1,000,1);
標本デタから非心カ二乗分布のパラメタを推定します。これを行うため,入力引数pdf
を使用して非心カesc esc二乗PDFをカスタム定義します。
[phat,pci] = mle(x,“pdf”@ (x, v, d) ncx2pdf (x, v, d),“开始”[1])
太好了=1×28.1052 - 2.6693
pci =2×27.1120 1.6025 9.0983 3.7362
自由度の推定値は8.1052,非心度パラメタの推定値は2.6693です。自由度の95%の信頼区間は(7.1121,9.0983),非心度パラメーターは(1.6025,3.7362)です。この信頼区間には、真のパラメ、タ、値8および3が含まれています。
標本デ,タを読み込みます。
负载(“readmissiontimes.mat”);
このデ,タには,100人の患者の再入院時間を示すReadmissionTime
が含まれています。列ベクトル审查
には各患者の打ち切り情報が含まれ,1は打ち切られた観測を示し,0は正確な再入院時間が観測されることを示します。このデ,タは,シミュレ,ションされたものです。
カスタム確率密度および累積分布関数を定義します。
Custpdf = @(data,lambda) lambda*exp(-lambda*data);Custcdf = @(data,lambda) 1-exp(-lambda*data);
打切れらた標本デタのカスタム分布のパラメタλ
を推定します。
phat = mle(重新读取时间,“pdf”custpdf,“提供”custcdf,“开始”, 0.05,“审查”审查)
Phat = 0.1096
標本デ,タを読み込みます。
负载(“readmissiontimes.mat”);
このデ,タには,100人の患者の再入院時間を示すReadmissionTime
が含まれています。列ベクトル审查
には各患者の打ち切り情報が含まれ,1は打ち切られた観測を示し,0は正確な再入院時間が観測されることを示します。このデ,タは,シミュレ,ションされたものです。
カスタム対数確率密度および生存時間関数を定義します。
custlogpdf = @(数据、λk)日志(k) - k *日志(λ)+ (k - 1) *日志(数据)-(数据/λ)。^ k;Custlogsf = @(data,lambda,k) -(data/lambda).^k;
打切れらた標本デタのカスタム分布のパラメタλ
およびk
を推定します。
phat = mle(重新读取时间,“logpdf”custlogpdf,“logsf”custlogsf,...“开始”(0.75),“审查”审查)
太好了=1×29.2090 - 1.4223
カスタム定義の分布のスケールパラメーターと形状パラメーターはそれぞれ9.2090と1.4223です。
標本デ,タを読み込みます。
负载(“readmissiontimes.mat”)
このデ,タには,100人の患者の再入院時間を示すReadmissionTime
が含まれています。このデ,タは,シミュレ,ションされたものです。
負の対数尤度関数を定義します。
Custnloglf = @(lambda,data,cens,freq) - length(data)*log(lambda) + sum(lambda*data,“omitnan”);
定義された分布のパラメ,タ,を推定します。
phat = mle(重新读取时间,“nloglf”custnloglf,“开始”, 0.05)
Phat = 0.1462
試行回数 = 20および成功確率 = 0.75の二項分布から100個のランダムな観測値を生成します。
数据= binornd(20,0.75,100,1);
シミュレションを実行した標本デタを使用して成功確率と95%の信頼限界を推定します。
[phat,pci] = mle(数据,“分布”,“二”,“α”, 0。“ntrials”, 20)
Phat = 0.7615
pci =2×10.7422 - 0.7800
成功確率の推定値は0.7615であり,95%信頼区間の下限と上限は0.7422と0.78です。この区間は,デ,タのシミュレ,ションの実行に使用される真の値に対応します。
自由度が10,非心度パラメーターが5の非心カイ二乗分布から,サイズが1000の標本データを生成します。
rng默认的再现率%X = ncx2rnd(10,5,1000,1);
非心度パラメ,タ,は値5に固定されるとします。標本デ,タから非心カイ二乗分布の自由度を推定します。これを行うため、入力引数pdf
を使用して非心カesc esc二乗PDFをカスタム定義します。
[phat,pci] = mle(x,“pdf”@ (x, v, d) ncx2pdf (x, v, 5),“开始”, 1)
Phat = 9.9307
pci =2×19.5626 - 10.2989
非心度パラメーターの推定値は9.9307,95%信頼区間は9.5626と10.2989です。この信頼区間には,真のパラメ,タ,値10が含まれています。
非心度パラメーターが8日スケールパラメーターが5のライス分布から,サイズが1000の標本データを生成します。最初に,ラ。
R = makedist(“Rician”,“年代”8“σ”5);
次に,作成した分布から標本デ,タを生成します。
rng默认的%用于再现性X = random(r,1000,1);
スケルパラメタが既知であると仮定して,非心度パラメタを標本デタから推定します。大中型企业
を使用してこれを行うには,ラ。
[phat,pci] = mle(x,“pdf”@ (x,年代,σ)pdf (“rician”5), x,年代,“开始”, 10)
Phat = 7.8953
pci =2×17.5405 - 8.2501
非心度パラメーターの推定値は7.8953,95%信頼区間は7.5404と8.2501です。この信頼区間には,真のパラメ,タ,値8が含まれています。
デタのスケルに適合させるためスケルパラメタをカ二乗分布に追加し近似させます。まず,自由度が5のカイ二乗分布からサイズが1000の標本データを生成し,100という係数でスケーリングします。
rng默认的%用于再现性X = 100*chi2rnd(5,1000,1);
自由度とスケ,リング係数を推定します。これを行うため,入力引数pdf
を使用してカ@ @二乗確率密度関数をカスタム定義します。密度関数では,デ,タを
でスケ,リングするために係数
が必要です。
[phat,pci] = mle(x,“pdf”@ (x, v, s) chi2pdf / s (x / s, v),“开始”[1200])
太好了=1×25.1079 - 99.1681
pci =2×24.6862 90.1215 5.5297 108.2146
自由度の推定値は5.1079,スケ,ルの推定値は99.1681です。自由度の95%の信頼区間は(4.6862,5.5279),スケールパラメーターは(90.1215,108.2146)です。この信頼区間には,真のパラメ,タ,値5および100が含まれています。
数据
- - - - - -標本デ,タ大中型企业
で分布パラメ,タ,の推定に使用する標本デ,タ。ベクトルとして指定します。
デ,タ型:单
|双
经销
- - - - - -分布タ@ @プ“正常”
(既定値) |文字ベクトルまたはstringスカラによる分布タプパラメタを推定する分布タプ。次のいずれかとして指定します。
经销 |
説明 | パラメタ1 | パラメタ2 | パラメタ3 | パラメタ4 . |
---|---|---|---|---|---|
“伯努利” |
ベルヌ分布 | p :それぞれの試行での成功の確率 |
- - - - - - | - - - - - - | - - - - - - |
“β” |
ベ,タ分布 | 一个 : 1番目の形状パラメ,タ, |
b : 2番目の形状パラメ,タ, |
- - - - - - | - - - - - - |
“bino” または“二” |
二項分布 | n : 試行回数 |
p :それぞれの試行での成功の確率 |
- - - - - - | - - - - - - |
“BirnbaumSaunders” |
バ,ンバウム,サンダ,ス分布 | β:スケ,ルパラメ,タ, | γ:形状パラメ,タ, | - - - - - - | - - - - - - |
“毛刺” |
ブル型xii分布 | α:スケ,ルパラメ,タ, | c : 1番目の形状パラメ,タ, |
k : 2番目の形状パラメ,タ, |
- - - - - - |
离散均匀的 または“unid” |
一様分布 (離散) | n : 最大観測可能値 |
- - - - - - | - - - - - - | - - - - - - |
“经验” または“指数” |
指数分布 | μ:平均値 | - - - - - - | - - - - - - | - - - - - - |
“电动汽车” または“极端值” |
極値分布 | μ:位置パラメ、タ、 | σ:スケ,ルパラメ,タ, | - - - - - - | - - - - - - |
“社交” または“伽马” |
ガンマ分布 | 一个 :形状パラメ,タ, |
b :スケ,ルパラメ,タ, |
- - - - - - | - - - - - - |
“gev” または“广义极值” |
一般化極値分布 | k :形状パラメ,タ, |
σ:スケ,ルパラメ,タ, | μ:位置パラメ、タ、 | - - - - - - |
“全科医生” または广义帕累托的 |
一般化パレ,ト分布 | k :テルンデックス(形状)パラメタ |
σ:スケ,ルパラメ,タ, | θ:しきい値(位置)パラメタ | - - - - - - |
“地理” または“几何” |
幾何分布 | p :確率パラメ,タ, |
- - - - - - | - - - - - - | - - - - - - |
“环” または“正常”的一半 |
半正規分布 | μ:位置パラメ、タ、 | σ:スケ,ルパラメ,タ, | - - - - - - | - - - - - - |
“InverseGaussian” |
逆ガウス分布 | μ:スケ、ルパラメ、タ、 | λ:形状パラメ,タ, | - - - - - - | - - - - - - |
“物流” |
ロジスティック分布 | μ:平均値 | σ:スケ,ルパラメ,タ, | - - - - - - | - - - - - - |
“LogLogistic” |
対数ロジスティック分布 | μ:対数値の平均 | σ:対数値のスケ,ルパラメ,タ, | - - - - - - | - - - - - - |
“logn” または对数正态的 |
対数正規分布 | μ:対数値の平均 | σ:対数値の標準偏差 | - - - - - - | - - - - - - |
“Nakagami” |
仲上分布 | μ:形状パラメ、タ、 | ω:スケ,ルパラメ,タ, | - - - - - - | - - - - - - |
“nbin” または“负二项” |
負の二項分布 | r :成功の回数 |
p : 1回の試行での成功の確率 |
- - - - - - | - - - - - - |
“规范” または“正常” |
正規分布 | μ:平均値 | σ:標準偏差 | - - - - - - | - - - - - - |
“波” または“泊松” |
ポアソン分布 | λ:平均値 | - - - - - - | - - - - - - | - - - - - - |
“瑞利” または“瑞利” |
レ▪▪リ▪▪分布 | b :スケ,ルパラメ,タ, |
- - - - - - | - - - - - - | - - - - - - |
“Rician” |
ラ@ @ス分布 | 年代 :非心度パラメ,タ, |
σ:スケ,ルパラメ,タ, | - - - - - - | - - - - - - |
“稳定” |
安定分布 | α: 1番目の形状パラメ,タ, | β: 2番目の形状パラメ,タ, | γ:スケ,ルパラメ,タ, | δ:位置パラメ,タ, |
“tLocationScale” |
T位置-スケル分布 | μ:位置パラメ、タ、 | σ:スケ,ルパラメ,タ, | ν:形状パラメ,タ, | - - - - - - |
“unif” または“统一” |
一様分布 (連続) | 一个 : 下限端点 (最小) |
b : 上限端点 (最大) |
- - - - - - | - - - - - - |
“wbl” または“威布尔” |
ワ@ @ブル分布 | 一个 :スケ,ルパラメ,タ, |
b :形状パラメ,タ, |
- - - - - - | - - - - - - |
例:“rician”
pdf
- - - - - -カスタム確率密度関数カスタム確率分布関数。@
を使用して作成された関数ハンドルとして指定します。
このカスタム関数は,ベクトル数据
と1つまたは複数の個別の分布パラメーターを入力パラメーターとして受け入れ,確率密度値のベクトルを返します。
たとえば,カスタム確率密度関数の名前がnewpdf
の場合,大中型企业
で次のように関数ハンドルを指定することができます。
例:@newpdf
デ,タ型:function_handle
提供
- - - - - -カスタム累積分布関数カスタム累積分布関数。@
を使用して作成された関数ハンドルとして指定します。
このカスタム関数は,ベクトル数据
と1つまたは複数の個別の分布パラメーターを入力パラメーターとして受け入れ,累積確率値のベクトルを返します。
デタが打切られ,“审查”
名前と値のペア引数を使用している場合は,提供
をpdf
と共に定義しなければなりません。“审查”
が存在しない場合,pdf
を使用しているときに提供
を指定する必要はありません。
たとえば,カスタム累積分布関数の名前がnewcdf
の場合,大中型企业
で次のように関数ハンドルを指定することができます。
例:@newcdf
デ,タ型:function_handle
logpdf
- - - - - -カスタム対数確率密度関数カスタム対数確率密度関数。@
を使用して作成された関数ハンドルとして指定します。
このカスタム関数は,ベクトル数据
と1つまたは複数の個別の分布パラメーターを入力パラメーターとして受け入れ,対数確率値のベクトルを返します。
たとえば,カスタム対数確率密度関数の名前がcustomlogpdf
の場合,大中型企业
で次のように関数ハンドルを指定することができます。
例:@customlogpdf
デ,タ型:function_handle
logsf
- - - - - -カスタム対数生存時間関数カスタム対数生存時間関数。@
を使用して作成された関数ハンドルとして指定します。
このカスタム関数は,ベクトル数据
と1つまたは複数の個別の分布パラメーターを入力パラメーターとして受け入れ,対数生存確率値のベクトルを返します。
デタが打切られ,“审查”
名前と値のペア引数を使用している場合は,logsf
をlogpdf
と共に定義しなければなりません。“审查”
が存在しない場合,logpdf
を使用しているときにlogsf
を指定する必要はありません。
たとえば,カスタム対数生存時間関数の名前がlogsurvival
の場合,大中型企业
で次のように関数ハンドルを指定することができます。
例:@logsurvival
デ,タ型:function_handle
nloglf
- - - - - -カスタムの負の対数尤度関数カスタムの負の対数尤度関数。@
を使用して作成された関数ハンドルとして指定します。
このカスタム関数は,次の入力引数を受け入れます。
参数个数 |
分布パラメ,タ,値のベクトル。大中型企业 は开始 の要素の数からパラメ,タ,の数を検出します。 |
数据 |
デ,タのベクトル。 |
岑 |
打切り値のブルベクトル。 |
频率 |
整数のデ,タの頻度のベクトル。 |
nloglf
は,“审查”
または“频率”
の名前と値のペア引数を使用しなくても,4の引数すべてを受け入れなければなりません。“nloglf”
を作成して,その場合の引数岑
と频率
を無視できます。
nloglf
はスカラ,の負の対数尤度値を返し,オプションで負の対数尤度勾配ベクトル(“选项”
の“GradObj”
フィルドを参照)を返します。
カスタムの負の対数尤度関数の名前がnegloglik
の場合,大中型企业
で次のように関数ハンドルを指定することができます。
例:@negloglik
デ,タ型:function_handle
オプションの名称,值
引数のコンマ区切りペアを指定します。名字
は引数名で,价值
は対応する値です。名字
は引用符で囲まなければなりません。Name1, Value1,…,的家
のように,複数の名前と値のペアの引数を,任意の順番で指定できます。
“审查”,岑,“阿尔法”,0.01,“选项”,选择
は,大中型企业
が配列岑
で指定された打ち切りデータの分布に対するパラメーターを推定して,パラメーター推定の99%の信頼限界を計算し,構造体选择
で指定されたアルゴリズム制御パラメ,タ,を使用することを指定します。
“审查”
- - - - - -打切りのンジケ打切りのンジケ。“审查”
と,数据
と同じサ@ @ズの論理値配列で構成されるコンマ区切りのペアで指定します。右側打切りの観測値の場合は1,完全に観測された観測値の場合は0を使用します。既定の設定では,すべての観測値が完全に観測されます。
たとえば,打切りデタ情報が审查
という名前のバ▪▪ナリ配列内にある場合,次のように打▪▪切りデ▪タを指定することができます。
例:审查,审查
大中型企业
は,以下の分布にいて打切りをサポトします。
バ,ンバウム,サンダ,ス ブル 指数 極値 ガンマ 逆ガウス カネル 対数ロジスティック |
ロジスティック 対数正規 仲上 正規 ラereplicationス T位置-スケル ワereplicationブル |
デ,タ型:逻辑
“频率”
- - - - - -観測の頻度観測の頻度。“频率”
と,非負の整数カウントを含む数据
と同じサ@ @ズの配列で構成されるコンマ区切りのペアで指定します。既定の設定では,数据
の1の要素に対して1の観測値です。
たとえば,観測頻度が频率
という名前の配列に格納される場合,次のように頻度を指定できます。
例:的频率,频率
デ,タ型:单
|双
“α”
- - - - - -有意水準推定パラメタ一种总线标准
の信頼区間の有意水準。“α”
と範囲(0,1)内のスカラ,値から構成されるコンマ区切りのペアとして指定します。一种总线标准
の信頼度は100(1α)
です。既定の設定では,95%の信頼区間に対して0.05
です。
たとえば,99%の信頼限界の場合は,次のように信頼度を指定できます。
例:“阿尔法”,0.01
デ,タ型:单
|双
“NTrials”
- - - - - -試行回数数据
の対応する要素の試行回数。“Ntrials”
と,数据
と同じサ▪▪ズのスカラ▪▪またはベクトルで構成されるコンマ区切りのペアで指定します。
二項分布にのみ適用されます。
例:“Ntrials”,
デ,タ型:单
|双
“亩”
- - - - - -位置パラメタ半正規分布の位置パラメタ。“亩”
とスカラ,値で構成されるコンマ区切りのペアとして指定します。
半正規分布のみに適用されます。
例:“亩”,1
デ,タ型:单
|双
“选项”
- - - - - -近似アルゴリズム制御パラメタ近似アルゴリズム制御パラメタ。“选项”
と,statset
で返される構造体で構成されるコンマ区切りのペアとして指定します。
すべての分布に適用可能ではありません。
“选项”
名前と値のペア引数を使用して,カスタム分布を近似するときに最尤最適化の詳細を制御します。パラメ,タ,名と既定値には,”statset(“mlecustom”)
と入力します。新しい名前で設定したオプションを名前と値のペアの引数で使用できます。大中型企业
は,カスタム分布の近似にいて次のstatset
のパラメ,タ,を解釈します。
パラメタ | 値 |
---|---|
“GradObj” |
既定値は 2番目の出力として負の対数尤度の勾配ベクトルを返すための,
|
“DerivStep” |
既定値は
|
“FunValCheck” |
既定の設定は
適切な開始点を選択しないと,適切なエラ,チェックなしで記述されている場合,これらの関数は, |
“TolBnd” |
既定値は
|
例:“选项”,statset(“mlecustom”)
デ,タ型:结构体
下界的
- - - - - -分布パラメ,タ,の下限分布パラメ,タ,の下限。下界的
と,开始
と同じサ@ @ズのベクトルで構成されるコンマ区切りのペアで指定します。
この名前と値のペア引数は,pdf
と提供
、logpdf
とlogcdf
またはnloglf
入力引数を使用している場合にのみ有効です。
例:下界,0
デ,タ型:单
|双
“OptimFun”
- - - - - -最適化関数“fminsearch”
(既定値) |“fmincon”
生存時間関数とは,時間の関数としての生存の確率です。これは生存時間関数とも呼ばれます。この関数は,個体の生存時間が特定の値を超える確率を示します。累積分布関数F (t)は生存時間が特定の時点以下である確率で,連続分布の生存時間関数S (t)は累積分布関数の補数です。S(t) = 1 - F(t)
分布関数を指定すると,大中型企业
で反復最大化アルゴリズムを使用してパラメ,タ,推定を計算します。一部のモデルやデ,タにおいて開始点の選択が適切でないと,大中型企业
は大域的最大値ではなく局所的最適値に収束したり,収束がすべて失敗する可能性があります。対数尤度が大域的最大値近くで適合する場合であっても,多くの場合,アルゴリズムの収束には開始点の選択が重要です。特に,初期パラメーター値が初速から離れている場合,分布関数のアンダーフローによって対数尤度が無制限になってしまうことがあります。
次のmatlabコマンドに対応するリンクがクリックされました。
コマンドをmatlabコマンドウィンドウに入力して実行してください。Webブラウザ,はMATLABコマンドをサポ,トしていません。
您也可以从以下列表中选择一个网站:
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。