Main Content

このペー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。

paramci

確率分布パラメーターの信頼区間

説明

ci= paramci(pd)は、確率分布pdの各パラメーターに対する 95% の信頼区間の下限と上限を含む配列ciを返します。

ci= paramci(pd,Name,Value)は、1 つまたは複数の名前と値のペア引数で指定された追加オプションを使用して、信頼区間を返します。たとえば、信頼区間に別のパーセントを指定したり、選択したパラメーターに限定した信頼区間を計算できます。

すべて折りたたむ

標本データを読み込みます。学生の試験の採点データの 1 列目を含むベクトルを作成します。

loadexamgradesx = grades(:,1);

正規分布オブジェクトをデータに近似します。

pd = fitdist(x,'Normal')
pd = NormalDistribution Normal distribution mu = 75.0083 [73.4321, 76.5846] sigma = 8.7202 [7.7391, 9.98843]

パラメーター推定の横にある区間は分布パラメーターの 95% 信頼区間です。

関数paramciを使用してこれらの区間を取得することもできます。

ci = paramci(pd)
ci =2×273.4321 7.7391 76.5846 9.9884

ciの列 1 には mu パラメーターの 95% 信頼区間の下限および上限が含まれ、列 2 には、sigma パラメーターの同様の限界が含まれています。

標本データを読み込みます。学生の試験の採点データの 1 列目を含むベクトルを作成します。

loadexamgradesx = grades(:,1);

正規分布オブジェクトをデータに近似します。

pd = fitdist(x,'Normal')
pd = NormalDistribution Normal distribution mu = 75.0083 [73.4321, 76.5846] sigma = 8.7202 [7.7391, 9.98843]

分布パラメーターの 99% の信頼区間を計算します。

ci = paramci(pd,'Alpha',.01)
ci =2×272.9245 7.4627 77.0922 10.4403

ciの列 1 には mu パラメーターの 99% 信頼区間の下限および上限が含まれ、列 2 には、sigma パラメーターの同様の限界が含まれています。

入力引数

すべて折りたたむ

確率分布。次のいずれかを使用して作成した確率分布オブジェクトを指定します。

関数またはアプリ 説明
makedist 指定されたパラメーター値を使用して確率分布オブジェクトを作成します。
fitdist 確率分布オブジェクトを標本データにあてはめます。
Distribution Fitter 対話型の Distribution Fitter アプリを使用して確率分布を標本データにあてはめ、あてはめたオブジェクトをワークスペースにエクスポートします。

名前と値のペアの引数

オプションのName,Value引数のコンマ区切りペアを指定します。Nameは引数名で、Valueは対応する値です。Nameは引用符で囲まなければなりません。Name1,Value1,...,NameN,ValueN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。

例:'Alpha',0.01は、99% の信頼区間を意味します。

信頼区間の有意水準。'Alpha'と、(0,1) の範囲内のスカラー値で構成されるコンマ区切りのペアとして指定します。ciの信頼度は100(1–Alpha)% です。既定値の0.05は、95% の信頼区間に対応します。

例:'Alpha',0.01

データ型:single|double

信頼区間を計算するパラメーターのリスト。'Parameter'と、パラメーター名が含まれている文字ベクトル、string 配列、または文字ベクトルの cell 配列から構成されるコンマ区切りのペアとして指定します。既定では、paramciはすべての分布パラメーターの信頼区間を計算します。

例:'Parameter','mu'

データ型:char|string|cell

信頼区間の計算方法。'Type''exact''Wald'または'lr'で構成されるコンマ区切りのペアとして指定します。

'exact'は、厳密なメソッドを使用して信頼区間を計算し、次の分布に対して使用できます。

分布 計算方法
二項 正確な確率計算に基づく Clopper-Pearson 法を使用して計算します。この方法は、正確なカバレッジ確率を提供しません。
指数 カイ二乗分布に基づく方法を使用して計算します。この方法では、完全なタイプ 2 の打ち切られている標本に対して正確なカバレッジを提供します。
正規 打ち切られていない標本に対する t 分布とカイ二乗分布に基づく計算方法では、打ち切られていない標本に対して正確なカバレッジが提供されます。打ち切られている標本に対して、Typeexactの場合、paramciは Wald 法を使用します。
対数正規 打ち切られていない標本に対する t 分布とカイ二乗分布に基づく計算方法では、正確なカバレッジが提供されます。打ち切られている標本に対して、Typeexactの場合、paramciは Wald 法を使用します。
ポアソン カイ二乗分布に基づく計算方法では、正確なカバレッジが提供されます。自由度が大きい場合、カイ二乗は、数値効率を上げるため正規分布によって近似されます。
レイリー カイ二乗分布に基づく計算方法では、正確なカバレッジ確率が提供されます。

'exact'が既定の設定です (使用可能な場合)。または、'Wald'を指定して信頼区間の計算に Wald 法を使用するか、'lr'を指定して信頼区間の計算に尤度比法を使用できます。

例:'Type','Wald'

対数スケールの boolean フラグ。'LogFlag'と、各分布パラメーターに対応する論理値を含むベクトルで構成されるコンマ区切りのペアとして指定します。このフラグは、対数スケールで計算する Wald 区間を指定します。既定値は分布に応じて異なります。

例:'LogFlag',[0,1]

データ型:logical

出力引数

すべて折りたたむ

信頼区間。各分布パラメーターについて100(1–Alpha)% 信頼区間の下限と上限が含まれている p 行 2 列の配列として返されます。p は分布パラメーターの個数です。

makedistを使用し分布パラメーターを指定することによりpdを作成した場合、下限および上限は指定したパラメーターと等しくなります。

R2013a で導入