极值参数估计
parmhat = evfit(数据)
[parmhat, parmci] = evfit(数据)
[parmhat, parmci] = evfit(数据、α)
[...] = evfit(数据、α审查)
[...) = evfit(数据、α、审查、频率)
[...] = evfit(数据、α、审查、频率、期权)
parmhat = evfit(数据)
中给定的样本数据返回类型1极值分布的参数的最大似然估计数据
.样例数据数据
必须是双精度向量。parmhat (1)
为位置参数µ
,parmhat (2)
为尺度参数σ。
[parmhat, parmci] = evfit(数据)
的参数估计的95%置信区间µ
σ参数在2 × 2矩阵中parmci
.极值拟合矩阵的第一列包含参数的上下限µ
,第二列包含参数σ的置信范围。
[parmhat, parmci] = evfit(数据、α)
返回(1 - 100α
)参数估计的置信区间,其中α
值是否在范围内[0 1]
指定置信区间的宽度。默认情况下,α
是0.05
,它对应于95%置信区间。
[...] = evfit(数据、α审查)
接受布尔向量,审查
,大小相同的数据
,这是1
因为那些被右翼审查的观察0
对于被精确观察到的观察。
[...) = evfit(数据、α、审查、频率)
接受一个频率矢量,频率
和…一样大小的数据
.通常情况下,频率
中对应元素的整数频率数据
,但可以包含任何非负值。通过[]
为α
,审查
,或频率
使用它们的默认值。
[...] = evfit(数据、α、审查、频率、期权)
接受一个结构,选项
,为函数用于计算最大似然估计的迭代算法指定控制参数。您可以创建选项
使用函数statset
.输入statset(“evfit”)
以查看参数的名称和默认值evfit
接受的选项
结构。参见参考页statset
有关这些选项的更多信息。
1型极值分布也称为Gumbel分布。这里使用的版本适用于建模minima;这种分布的镜像可以通过求反来模拟极大值X
.看到极端值分布为更多的细节。如果x有威布尔分布吗X=日志(x)具有类型1的极值分布。