mle
最尤推定
説明
1つつのと値引数をしてを指定しし。。phat
= mle(数据
,Name,Value
)
たとえば,の名前と引数引数Distribution
、pdf
、logpdf
、nloglf
のうちの 1 つを使用して、分布タイプを指定できます。
组み込みmleをを计算するは,,,
Distribution
を使用,分布を指定し。,,,
は、ベータ分布の MLE を計算するように指定します。'分配'
,'Beta'カスタムmleをを计算するは,,,
pdf
、logpdf
,またはnloglf
を使用して分布を定義し、Start
を使用てパラメーター値指定します。
例
組み込み分布の MLE の計算
名前と値の引数Distribution
を使用して指定した組み込み分布の MLE を計算します。
标本データを読み込みます。
loadcarbig
変数MPG
にはな自动モデルのガロンのマイル数が含まれます。
MPG
データのヒストグラムを描画します。
histogram(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当てはめにならない場合があります。
MPG
データのブール型 XII 分布のパラメーターを推定します。
phat = mle(MPG,'分配','burr')
phat =1×334.6447 3.7898 3.5722
スケール パラメーター α の MLE は 34.6447 です。ブール型 XII 分布の 2 つの形状パラメーター および 3.7898および3.5722ですです。。ははははは,それぞれ
MLE および信頼区間の計算
試行回数 = 20 および成功確率 = 0.75の项からからからから个个観测値を生成。。。
rng('默认')% For reproducibility数据= binornd(20,0.75,100,1);
シミュレーションを実行した標本データを使用して成功確率と 99% の信頼限界を推定します。二項分布の試行回数 (NTrials
) を指定する必要があります。
[phat,pci] = mle(数据,'分配','binomial','NTrials',20,...'Alpha',.01)
phat = 0.7615
pci =2×10.7361 0.7856
0.7615であり99%信頼推定値値,信頼信頼区间ののはははは0.7361と0.7361と0.7856ですですですですですです。区间は,データデータのののシミュレーション実行ににに
カスタム确率关数(PDF)ののはめめ
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。
rngdefault% for reproducibilityx = ncx2rnd(8,3,1000,1);
标本データから非心カイ二乗分布のパラメーターを推定します。名前と値の引数Distribution
は,カイ二分布サポートしいませ。そのため,,名前とと引数引数引数pdf
および关数ncx2pdf
を使用して、カスタムの非心カイ二乗 pdf を定義する必要があります。カスタム分布には初期パラメーター値 (名前と値の引数Start
) も指定する必要があります。
[phat,pci] = mle(x,'pdf',@(x,v,d)ncx2pdf(x,v,d),'Start',[1,1])
phat =1×28.1052 - 2.6693
pci =2×27.1120 1.6025 9.0983 3.7362
8.1052,値値値,非パラメーターパラメーターのの値は2.6693です95%の95%の(7.1120,0983),(7.1120,0983),区间に,のパラメーター値値値値値値値値が含まれています。。
カスタム対数确率关数(pdf) の当てはめ
标本データを読み込みます。
load('readmissiontimes.mat');
このデータには、100 人の患者の再入院時間を示す重新启动时间
が含まれています。このデータは、シミュレーションされたものです。
スケール パラメーターlambda
と形状パラメーターk
をもつワイブル分布のカスタム対数 pdf を定義します。
custlogpdf = @(data,lambda,k)...log(k) - k*log(lambda) +(k -1)*log(data) - (data/lambda)。^k;
カスタム分布のパラメーターを推定し、初期パラメーター値 (名前と値の引数Start
) を指定します。
phat = mle(ReadmissionTime,'logpdf',custlogpdf,'Start',[1,0.75])
phat =1×27.5727 1.4540
カスタム分布のスケール パラメーターと形状パラメーターはそれぞれ 7.5727 と 1.4540 です。
カスタムな負の対数尤度関数の当てはめ
标本データを読み込みます。
load('readmissiontimes.mat')
このデータには、100 人の患者の再入院時間を示す重新启动时间
が含まれています。このデータは、シミュレーションされたものです。
パラメーターlambda
をもつポアソン分布のカスタムな負の対数尤度関数を定義します。ここで1/lambda
は分布の平均値です。カスタム関数で打ち切り情報の logical ベクトルおよびデータ頻度の整数ベクトルを使用しない場合でも、これらの値を受け入れる関数を定義する必要があります。
custnloglf = @(lambda,data,cens,freq)...- length(data)*log(lambda) + sum(lambda*data,'omitnan');
カスタム分布のパラメーターを推定し、初期パラメーター値 (名前と値の引数Start
) を指定します。
phat = mle(ReadmissionTime,'nloglf',custnloglf,'Start',0.05)
phat = 0.1462
既知パラメーターによる分布の当てはめ
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')% For reproducibilityx = ncx2rnd(10,5,1000,1);
非心度パラメーターは値 5 に固定されるとします。標本デー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、名前と値の引数pdf
を使用して、カスタムの非心カイ二乗 pdf を定義します。
[phat,pci] = mle(x,'pdf',@(x,v)ncx2pdf(x,v,5),'Start',1)
Phat = 9.9307
pci =2×19.5626 10.2989
9.9307であり95%信頼値値値値値9.95%信頼区间区间上限9.5626と9.5626と10.2989と10.2989ですですですですですですこの信頼区间ににははは
追加パラメーター分布の当てめめ
データのスケールに適合させるためスケール パラメーターをカイ二乗分布に追加し、分布を当てはめます。
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 という係数でデータをスケーリングします。
rngdefault% For reproducibilityx = 100*chi2rnd(5,1000,1);
自由度系数をします。をため,名前と値の引数pdf
を使用してカスタムなカイ二乗確率密度関数を定義します。密度関数では、データを
でスケーリングするために係数
が必要です。
[phat,pci] = mle(x,'pdf',@(x,v,s)chi2pdf(x/s,v)/s,'Start',[1,200])
phat =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、スケールの推定値は 99.1681 です。自由度の 95% の信頼区間は (4.6862,5.5279)、スケール パラメーターの区間は (90.1215,108.2146) です。この信頼区間には、真のパラメーター値 5 および 100 が含まれています。
右側打ち切りデータへのカスタム分布の当てはめ
标本データを読み込みます。
load('readmissiontimes.mat');
このデータには、100 人の患者の再入院時間を示す重新启动时间
が含まれています。列ベクトルCensored
には各患者の打ち切り情報が含まれ,1は右側打ち切り観測を示し,0は正確な再入院時間が観測されることを示します。このデータは、シミュレーションされたものです。
パラメーターlambda
をもつ指数分布のカスタムな確率密度関数 (pdf) および累積分布関数 (cdf) を定義します。ここで1/lambda
は分布値。。分布打ち切らたデータセットに当て当てはめるにはははは,,,,,,,,mle
に渡す必要がます。
custpdf = @(data,lambda) lambda*exp(-lambda*data); custcdf = @(data,lambda) 1-exp(-lambda*data);
打ち切れらた標本データのカスタム分布のパラメーターlambda
を推定します。カスタム分布の初期パラメーター値 (名前と値の引数Start
) を指定します。
phat = mle(ReadmissionTime,'pdf',custpdf,'cdf',custcdf,...'Start',0.05,“审查”,Censored)
phat = 0.1096
二重データのmleの计算计算
二重生存生成し,,このデータ分布分布のののををををしします。。。次,,,,,,,ををををを使用使用使用
バーンバウム・サンダース分布から故障時間を生成します。
rng('默认')% For reproducibilityfailurureTime = random('Birnbaumsaunders',0.3,1,[100,1]);
分析は時間 0.1 から開始し、時間 0.9 で終了すると仮定します。この仮定は、0.1 より小さい故障時間は左側打ち切りされ、0.9 より大きい故障時間は右側打ち切りされることを意味します。
各要素がfailuretime
の対応する観測の打ち切りステータスを示すベクトルを作成します。–1、1、および 0 を使用して、それぞれ左側打ち切り観測値、右側打ち切り観測値、完全に観測された観測値を示します。
L = 0.1; U = 0.9; left_censored = (failuretimeU); c = right_censored - left_censored;
二重打ち切りデータの MLE を計算します。名前と値の引数Censoring
を使用して打ち切り情報を指定します。
phat = mle(failuretime,'分配','Birnbaumsaunders',“审查”,c)
phat =1×20.2632 1.3040
関数制造者
を使用し、MLE で確率分布オブジェクトを作成します。
pd = makedist('Birnbaumsaunders','beta',phat(1),'gamma',phat(2))
pd = BirnbaumSaundersDistribution Birnbaum-Saunders distribution beta = 0.263184 gamma = 1.304
pd
は、BirnbaumSaundersDistribution
オブジェクトです。pd
のオブジェクト関数を使用して、分布の評価と乱数の生成を実行できます。サポートされるオブジェクト関数を表示します。
methods(pd)
Methods for class prob.BirnbaumSaundersDistribution: cdf iqr negloglik proflik truncate gather mean paramci random var icdf median pdf std
たとえば,关数mean
およびvar
を使用して、それぞれ分布の平均と分散を計算します。
mean(pd)
ans = 0.4869
var(PD)
ans = 0.3681
区間打ち切りデータの初速の計算
ワイブル分布に従う機械故障時間を表す標本データを生成します。
rng('默认')% For reproducibilityfailureTimes = wblrnd(5,2,[200,1]);
観測された故障時間は最も近い秒に丸められた値であると指定します。
observed = round(failureTimes);
observed
は区間打ち切りデータです。observed
の観測値t
は、事象が時間T – 0.5
の後かつ時間t+0.5
の前に発生したことを示しています。
打ち切り情報を含む 2 列の行列を作成します。
间隔时间= [观察到-0.5观察到+0.5];
故障時間は正の値である必要があります。eps
より小さい値を求め、eps
に変更します。
间隔时间(intervalTimes < eps) = eps;
间隔时间
を使用して、ワイブル分布パラメーターの MLE を求めます。
params = mle(intervalTimes,'分配','weibull')
params =1×25.0067 2.0049
結果をプロットします。
figure histogram(observed,'Normalization','pdf') holdonx = linspace(0,max(observed)); plot(x,wblpdf(x,params(1),params(2))) legend(“观察到样品”,'Fitted Distribution') holdoff
有限のをもつののののの
有限のサポートをもつ分布から標本を生成し、反復推定処理用にカスタマイズされたオプションで MLE を計算します。
確率密度がゼロになる領域がある分布の場合、mle
は密度がゼロになるパラメーターを試す可能性があり、MLE の計算が失敗する原因となります。この問題を回避するため、関数mle
を呼び出すときに、無効な関数値をチェックするオプションをオフにして、パラメーターの境界を指定できます。
スケール パラメーター 1 および形状パラメーター 1 をもつワイブル分布から、サイズが 1000 の標本データを生成します。10 を足して標本を移動させます。
rng('默认')% For reproducibility数据= wblrnd(1,1,[1000,1]) + 10; histogram(data,'Normalization','pdf')
10 10より小さいはありません。でではは10よりはは小さい小さい领域领域ののの确率确率ががががががががゼロゼロゼロゼロことことをををを示し示し示し示してててていいいいいますますますますますます。。。。このこのこのこのこのこのこの分布分布分布分布分布分布分布分布分布分布分布分布分布分布分布分布分布分布分布分布分布分布分布分布分布分布分布分布分布分布分布は分布は分布分布分布はははははははははははははははははははががががががががががが3 パラメーター ワイブル分布を参照)。
3パラメーターワイブル确率关数(PDF)を定义し。。
custompdf = @(x,a,b,c) wblpdf(x-c,a,b);
関数mle
を使用してを计算ます。と値引数引数引数选项
を指定して、無効な関数値をチェックするオプションをオフにします。また、名前と値の引数LowerBound
およびUpperBound
を使用してパラメーターの境界を指定します。スケール パラメーターと形状パラメーターは正である必要があります。位置パラメーターは標本データの最小値より小さい必要があります。
params = mle(数据,'pdf',custompdf,'Start',[5 5 5],...'选项',statset('FunValCheck','离开'),...'LowerBound',[0 0 -Inf],'UpperBound',[Inf Inf min(data)])
params =1×31.0258 1.0618 10.0004
関数mle
は 3 つのパラメーターの正確な推定値を計算します。反復プロセスに指定するカスタム オプションの詳細については、3 パラメーター ワイブル分布の例を参照してください。
入力引数
数据
—标本データおよび打ち切り情報
ベクトル|2 列の行列
标本データおよび打ち切り情報。標本データのベクトルとして、または標本データおよび打ち切り情報からなる 2 列の行列として指定します。
引数数据
または名前との引数Censoring
のいずれかを使用して、標本データの打ち切り情報を指定できます。数据
が 2 列の行列の場合、mle
は引数Censoring
の値を無視します。
数据
の観测の打ち切りに応じて,数据
をベクトルまたは 2 列の行列として指定します。
完全に観測されたデータ —
数据
を標本データのベクトルとして指定します。完全に観測された観測値,左側打ち切り観測値,または右側打ち切り観測値を含むデータ——標本データのベクトルとして
数据
を指定し、各観測値の打ち切り情報を含むベクトルとして名前と値の引数Censoring
を指定します。Censoring
ベクトルには 0、-1、および 1 を含められます。それぞれ完全に観測された観測値、左側打ち切り観測値、右側打ち切り観測値を参照します。区間打ち切り観測値を含むデータ —
数据
を、標本データおよび打ち切り情報からなる 2 列の行列として指定します。数据
の各行は、各観測値に対する可能な生存時間または故障時間の範囲を指定します。以下の値のいずれかにできます。[t,t]
—t
で完全に観测[–Inf,t]
—t
で左側打ち切り[t,Inf]
—t
で右側打ち切り[t1,t2]
—[t1,t2]
間で区間打ち切り (t1
<t2
)
打ち切られた観測値をサポートしている組み込み分布のリストについては、
Censoring
を参照してください。mle
は、数据
内のNaN
値を無視します。また、打ち切りベクトル (Censoring
)または频度(Frequency
) にNaN
値が含まれている場合、mle
は数据
内の対応する行を無視します。
データ::single
|double
名前と値の引数
オプションの引数のペアをName1=Value1,...,NameN=ValueN
として指定します。ここでName
は引数名、Value
は対応する値です。名前と値の引数は他の引数の後ろにする必要がありますが、ペアの順序は関係ありません。
R2021a より前では、名前と値をそれぞれコンマを使って区切り、Name
を引用符で囲みます。
例:“审查”,Cens,“ Alpha”,0.01,“选项”,OPT
は、mle
が配列Cens
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
で指定たアルゴリズムパラメーターを使用よう指示指示します。
Distribution
—分布タイプ
'normal'
(既定値) |文字ベクトルまたは string スカラーによる分布タイプ
パラメーターを推定する分布タイプ。次の表のいずれかの値として指定します。
Distribution の値 |
分布タイプ | 最初のパラメーター | 2 番目のパラメーター | 3 番目のパラメーター | 4 番目のパラメーター |
---|---|---|---|---|---|
'Bernoulli' |
ベルヌーイ分布 | p : それぞれの試行での成功の確率 |
該当なし | 該当なし | 該当なし |
'Beta' |
ベータ分布 | a : 1 番目の形状パラメーター |
b : 2 番目の形状パラメーター |
該当なし | 該当なし |
'Binomial' |
二項分布 | p : それぞれの試行での成功の確率 |
該当なし | 該当なし | 該当なし |
'Birnbaumsaunders' |
バーンバウム・サンダース分布 | β:スケールスケール | γ:形状パラメーター | 該当なし | 該当なし |
'burr' |
ブール型 XII 分布 | α: スケール パラメーター | c : 1 番目の形状パラメーター |
k : 2 番目の形状パラメーター |
該当なし |
'Discrete Uniform' または'unid' |
一様(离散) | n : 最大観測可能値 |
該当なし | 該当なし | 該当なし |
'Exponential' |
指数分布 | μ: 平均値 | 該当なし | 該当なし | 該当なし |
'Extreme Value' または'ev' |
極値分布 | μ: 位置パラメーター | σ: スケール パラメーター | 該当なし | 該当なし |
'Gamma' |
ガンマ分布 | a : 形状パラメーター |
b : スケール パラメーター |
該当なし | 該当なし |
'Generalized Extreme Value' または'gev' |
一般化極値分布 | k : 形状パラメーター |
σ: スケール パラメーター | μ: 位置パラメーター | 該当なし |
'Generalized Pareto' または'gp' |
一般化パレート分布 | k : テール インデックス (形状) パラメーター |
σ: スケール パラメーター | 該当なし | 該当なし |
'Geometric' |
几何分布 | p : 確率パラメーター |
該当なし | 該当なし | 該当なし |
'Half Normal' または'hn' |
半正規分布 | σ: スケール パラメーター | 該当なし | 該当なし | 該当なし |
'InverseGaussian' |
逆ガウス分布 | μ: スケール パラメーター | λ: 形状パラメーター | 該当なし | 該当なし |
'Logistic' |
ロジスティック分布 | μ: 平均値 | σ: スケール パラメーター | 該当なし | 該当なし |
'LogLogistic' |
対数ロジスティック分布 | μ: 対数値の平均 | σ: 対数値のスケール パラメーター | 該当なし | 該当なし |
'LogNormal' |
対数正规分布 | μ: 対数値の平均 | σ: 対数値の標準偏差 | 該当なし | 該当なし |
'Nakagami' |
仲上分布 | μ: 形状パラメーター | ω: スケール パラメーター | 該当なし | 該当なし |
'Negative Binomial' または'nbin' |
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 |
該当なし | 該当なし |
'Normal' |
正规分布 | μ: 平均値 | σ: 標準偏差 | 該当なし | 該当なし |
'Poisson' |
ポアソン分布 | λ: 平均値 | 該当なし | 該当なし | 該当なし |
'瑞利' |
レイリー分布 | b : スケール パラメーター |
該当なし | 該当なし | 該当なし |
'Rician' |
ライス分布 | s : 非心度パラメーター |
σ: スケール パラメーター | 該当なし | 該当なし |
'稳定的' |
安定分布 | α: 1 番目の形状パラメーター | β: 2 番目の形状パラメーター | γ: スケール パラメーター | δ: 位置パラメーター |
'tLocationScale' |
t 位置-スケール分布 | μ: 位置パラメーター | σ: スケール パラメーター | ν: 形状パラメーター | 該当なし |
'Uniform' |
一様分布 (連続) | a : 下限端点 (最小) |
b :上限端点(最大) |
該当なし | 該当なし |
'weibull' または'wbl' |
ワイブル分布 | a : スケール パラメーター |
b : 形状パラメーター |
該当なし | 該当なし |
mle
では以下分布は推定され。。
标本データが打ち切られているか、左側打ち切りまたは区間打ち切り観測値が含まれている場合、ブール分布および安定分布には名前と値の引数Start
を指定する必要があります。
例:'分配','Rician'
NTrials
—二項分布の試行回数
スカラー|ベクトル
二项分布に対する数据
の対応要素の试行。。数据
と同じのまたはベクトル指定します。
この引数は、Distribution
が'Binomial'
である場合 (二項分布) に必要です。
例:'Ntrials',10
データ::single
|double
theta
—一般化パレート分布の位置 (しきい値) パラメーター
スカラー
一般化パレート分布の位置 (しきい値) パラメーター。スカラーとして指定します。
この引数は、Distribution
が'Generalized Pareto'
である場合 (一般化パレート分布) のみ有効です。
标本データ数据
に非負値のみが含まれる場合、既定値は 0 です。数据
に負の値が含まれる場合、theta
を指定しなければなりません。
例:'theta',1
データ::single
|double
mu
—半正規分布の位置パラメーター
スカラー
半正规のパラメーター。を指定し。。
この引数は、Distribution
が'Half Normal'
である(半正规)のみのみ。。
标本データ数据
に非負値のみが含まれる場合、既定値は 0 です。数据
に負の値が含まれる場合、mu
を指定しなければなりません。
例:'mu',1
データ::single
|double
pdf
—カスタム確率密度関数
関数ハンドル|cell 配列
カスタム確率分布関数 (pdf)。関数ハンドルとして、または関数ハンドルおよび関数への追加の引数を含む cell 配列として指定します。
1つをを含むベクトル,,ベクトルベクトルベクトルつつつ个别パラメーターパラメーターパラメーター,およびおよびおよびおよびおよびおよびおよびおよびおよびおよび配列配列配列配列配列れる任意任意のの追加追加を入力入力パラメーターとしてとしてとして受け入れ受け入れ。
例:'pdf',@newpdf
データ::function_handle
|cell
cdf
—カスタム累积分布关数
関数ハンドル|cell 配列
カスタム累积分布关数(cdf)。関数ハンドルとして、または関数ハンドルおよび関数への追加の引数を含む cell 配列として指定します。
このカスタム関数は、標本データを含むベクトル、1 つ以上の個別の分布パラメーター、および cell 配列で渡される任意の追加引数を入力パラメーターとして受け入れます。この関数は cdf 値のベクトルを返します。
打ち切られ値またはててた観测値ののををを计算するには,cdf
およびpdf
の両方するがます。にさた観测観测値および切り舍てられてていいない観测値値mle
は、cdf
を使用しん。数据
またはCensoring
のいずれかを使用して打ち切り情報を指定したり、TruncationBounds
を使用して打ち切りの範囲を指定したりできます。
例:'cdf',@newcdf
データ::function_handle
|cell
logpdf
—カスタム対数确率关数
関数ハンドル|cell 配列
カスタム対数确率关数。関数ハンドルとして、または関数ハンドルおよび関数への追加の引数を含む cell 配列として指定します。
このカスタム関数は、標本データを含むベクトル、1 つ以上の個別の分布パラメーター、および cell 配列で渡される任意の追加引数を入力パラメーターとして受け入れます。この関数は対数確率値のベクトルを返します。
例:'logpdf',@customlogpdf
データ::function_handle
|cell
logsf
—カスタム対数生存关数
関数ハンドル|cell 配列
カスタム対数生存時間関数。関数ハンドルとして、または関数ハンドルおよび関数への追加の引数を含む cell 配列として指定します。
このカスタム関数は、標本データを含むベクトル、1 つ以上の個別の分布パラメーター、および cell 配列で渡される任意の追加引数を入力パラメーターとして受け入れます。この関数は対数生存確率値のベクトルを返します。
打ち切られ値またはててた観测値ののををを计算するには,logsf
およびlogpdf
の両方するがます。にさた観测観测値および切り舍てられてていいない観测値値mle
は、logsf
を使用しん。数据
またはCensoring
のいずれかを使用して打ち切り情報を指定したり、TruncationBounds
を使用して打ち切りの範囲を指定したりできます。
例:'logsf',@logsurvival
データ::function_handle
|cell
nloglf
—カスタムの負の対数尤度関数
関数ハンドル|cell 配列
カスタムの負の対数尤度関数。関数ハンドルとして、または関数ハンドルおよび関数への追加の引数を含む cell 配列として指定します。
このカスタム関数は、次の入力引数を表にリストされた順番で受け入れます。
カスタム关数の入力引数 | 説明 |
---|---|
params |
分布パラメーター値のベクトル。mle はStart の要素の数からパラメーターの数を検出します。 |
数据 |
标本データ。数据 の値标本のベクトル,またはデータ打ち切り打ち切り情报からなるなるなるなる列列列の行列。。 |
cens |
打ち切り情報の logical ベクトル。nloglf は、名前と値の引数Censoring を使用していない場合でも、cens を受け入ればません。この,,cens を無視するようにnloglf を作成できます。 |
freq |
データの頻度の整数ベクトル。nloglf は、名前と値の引数Frequency を使用していない場合でも、freq を受け入ればません。この,,freq を無視するようにnloglf を作成できます。 |
trunc |
打ち切り范囲の 2 要素の数値ベクトル。nloglf は、名前と値の引数TruncationBounds を使用している場合、trunc を受け入れなければなりません。 |
nloglf
は、cell 配列で渡される追加引数を入力パラメーターとしてオプションで受け入れることができます。
nloglf
はスカラー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 (名前と値の引数选项
のGradObj
フィールドを参照) を返します。
例:'nloglf',@negloglik
データ::function_handle
|cell
Censoring
—打ち切りデータのインジケーター
0 のベクトル(既定値) |0、–1、および 1 からなるベクトル
打ち切りデータ。,,,,,,,からから指定ます。完全完全完全にに観测観测ささたた値,,左侧左侧左侧打ち切り観测値値,Censoring
値の各は,数据
の対応する観測の打ち切りステータスを示します。Censoring
値は、数据
と同じサイズでなければなりません。既定の設定は 0 のベクトルで、すべての観測値が完全に観測されていることを示します。
この引数を使用しても、区間打ち切り観測値は指定できません。標本データに区間打ち切り観測値が含まれる場合、2 列の行列を使用して数据
を指定します。mle
は、数据
が 2 列の行列の場合にCensoring
値を無視します。
mle
は、以下の組み込み分布およびカスタム分布について打ち切りをサポートします。
Distribution の値 |
分布タイプ |
---|---|
'Birnbaumsaunders' |
バーンバウム・サンダース |
'burr' |
ブール型 XII |
'Exponential' |
指数 |
'Extreme Value' または'ev' |
極値分布 |
'Gamma' |
ガンマ |
'InverseGaussian' |
逆ガウス |
'Logistic' |
ロジスティック |
'LogLogistic' |
対数ロジスティック |
'LogNormal' |
対数正規 |
'Nakagami' |
仲上 |
'Normal' |
正規 |
'Rician' |
ライス |
'tLocationScale' |
t 位置 - スケール |
'weibull' または'wbl' |
ワイブル |
カスタム分布の,pdf
とcdf
、logpdf
とlogsf
,またはnloglf
を使用して、分布を定義する必要があります。
mle
は、打ち切りベクトルにある任意のNaN
値をします。,,数据
または频度(Frequency
) にNaN
値が含まれている場合、mle
は打ち切りベクトル内の対応する値を無視します。
例:“审查”,censored
。ここで,审查
は打ち切り情報を含むベクトルです。
データ::logical
|single
|double
TruncationBounds
—打ち切り范囲
[-Inf,Inf]
(既定値) |2 要素のベクトル
打ち切り范囲。要素のを指定します。
mle
は、以下の組み込み分布およびカスタム分布について切り捨てられた観測値をサポートします。
Distribution の値 |
分布タイプ |
---|---|
'Beta' |
ベータ |
'Birnbaumsaunders' |
バーンバウム・サンダース |
'burr' |
ブール |
'Exponential' |
指数 |
'Extreme Value' または'ev' |
極値分布 |
'Gamma' |
ガンマ |
'Generalized Extreme Value' または'gev' |
一般化極値分布 |
'Generalized Pareto' または'gp' |
一般化パレート |
'Half Normal' または'hn' |
半正規 |
'InverseGaussian' |
逆ガウス |
'Logistic' |
ロジスティック |
'LogLogistic' |
対数ロジスティック |
'LogNormal' |
対数正規 |
'Nakagami' |
仲上 |
'Normal' |
正規 |
'Poisson' |
ポアソン |
'瑞利' |
レイリー |
'Rician' |
ライス |
'稳定的' |
安定 |
'tLocationScale' |
t 位置 - スケール |
'weibull' または'wbl' |
ワイブル |
カスタム分布の,pdf
とcdf
、logpdf
とlogsf
,またはnloglf
を使用して、分布を定義する必要があります。
例:'TruncationBounds',[0,10]
データ::single
|double
Frequency
—観測の頻度
1 から成るベクトル(既定値) |非負の整数カウントのベクトル
Alpha
—有意水準
0.05(既定値) |範囲 (0,1) のスカラー
パラメーター推定の信頼区間pci
の有意水準。範囲 (0,1) のスカラーを指定します。pci
の信頼度は100(1–Alpha)
% です。既定の設定では、95% の信頼区間に対して0.05
です。
例:'Alpha',0.01
は信頼度を 99% として指定します。
データ::single
|double
选项
—反复アルゴリズムのオプション
statset('mlecustom')
(既定値) |构造体
反复アルゴリズムのオプション。statset
によって返される構造体として指定します。
この引数を使用して、最尤最適化の詳細を制御します。この引数は以下の場合で有効です。
标本データ打ち切られて。。
标本データに左側打ち切りまたは区間打ち切り観測値が含まれている。
カスタム分布当てはめて。。
関数mle
は、最適化用に次のstatset
オプションを解釈します。
フィールド名 | 説明 | 既定値 |
---|---|---|
GradObj |
カスタム关数 勾配を
|
'离开' |
DerivStep |
相対差。
|
eps^(1/3) |
FunValCheck |
分布関数から返された値の妥当性を 适切な选択しない,なエラーチェックない关数をを定义しした场合场合,は |
'on' |
TOLBND |
|
1E-6 |
托尔福 |
関数の値の終了許容誤差。正のスカラーを指定します。 |
1E-6 |
TolX |
パラメーターの終了許容誤差。正のスカラーを指定します。 |
1E-6 |
maxfunevals |
許容される関数評価の最大回数。正の整数を指定します。 |
400 |
Maxiter |
许容さ最大回数正の整数指定します。 |
200 |
Display |
表示のレベル。
|
'离开' |
名前と値の引数选项
の例は、有限のをもつのののののおよび3 パラメーター ワイブル分布を参照してください。
详细については,fminsearch
およびfmincon
(优化工具箱)の入力引数options
を参照してください。
例:'选项',statset('FunValCheck','off')
データ::struct
Start
—初期パラメーター値
行ベクトル
LowerBound
—分布パラメーターの下限
-Inf
のベクトル(既定値) |行ベクトル
分布パラメーターの下限。Start
と同じ長さの行ベクトルとして指定します。
この引数は以下の場合で有効です。
标本データ打ち切られて。。
标本データに左側打ち切りまたは区間打ち切り観測値が含まれている。
カスタム分布当てはめて。。
例:'Lowerbound',0
データ::single
|double
UpperBound
—分布パラメーターの上限
inf
のベクトル(既定値) |行ベクトル
分布パラメーターの上限。Start
と同じ長さの行ベクトルとして指定します。
この引数は以下の場合で有効です。
标本データ打ち切られて。。
标本データに左側打ち切りまたは区間打ち切り観測値が含まれている。
カスタム分布当てはめて。。
例:'Upperbound',1
データ::single
|double
选择imFun
—最適化関数
'fminsearch'
(既定値) |'fmincon'
mle
が尤度を最大化するために使用する最適化関数。'fminsearch'
または'fmincon'
のいずれかとして指定します。'fmincon'
オプションには Optimization Toolbox™ が必要です。
标本データ打ち切られて。。
标本データに左側打ち切りまたは区間打ち切り観測値が含まれている。
カスタム分布当てはめて。。
例:“ optimfun”,“ fmincon'
出力引数
phat
— パラメーター推定
行ベクトル
パラメーター推定。行ベクトルとして返されます。組み込み分布のパラメーター推定については、Distribution
を参照してください。
pci
— パラメーター推定の信頼区間
2行k列行列行列
パラメーター推定の信頼区間。2 行 k 列の行列として返されます。k はmle
で推定されるパラメーターの数です。pci
の 1 番目の行と 2 番目の行はそれぞれ、信頼限界の上限と下限を示します。
名前と値の引数Alpha
を使用して、信頼区間の有意水準を指定できます。
詳細
打ち切りのタイプ
mle
は、左側打ち切り観測値、右側打ち切り観測値、および区間打ち切り観測値をサポートします。
时间
t
での左側打ち切り観測 — 時間t
より前に発生したイベント。厳密なイベント時間は不明です。时间
t
での打ち切り観测観测 - 时间t
より後に発生したイベント。厳密なイベント時間は不明です。区間
[t1,t2]
内の区間打ち切り観測 — 時間t1
より後かつ時間t2
より前に発生したイベント。厳密なイベント時間は不明です。
二重打ち切りデータには、左側打ち切り観測値および右側打ち切り観測値の両方が含まれます。
生存時間関数
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。
生存時間関数は、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 t 以下である確率のため、連続分布の生存時間関数 S(t) は、累積分布関数の補数となります。S(t) = 1 – F(t)。
ヒント
カスタム分布関数を提供するか、左側打ち切り、二重打ち切り、区間打ち切り、または打ち切られた観測値に組み込み分布を使用すると、
mle
は反复アルゴリズムをしてパラメーターを计算します。一部ののモデルモデルやデータデータにおいて(Start
) の選択が適切でないと、mle
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切に機能する場合でも、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 MLE 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。
アルゴリズム
関数
mle
は负尤度关数最小化(つまりつまり尤度をを化化化化化化最大最大するするか,,,利用利用できるできる场合场合はは闭闭形式形式解解使用使用使用しててて)が与え场合(x)确率确率积についてを取り,负の値に。。。ですですです確率関数 P は、観測値ごとの打ち切り情報によって異なります。
完全に観測された観測 —P(x|θ) = f(x)。ここで f はパラメーター θ の確率密度関数 (pdf) です。
左侧打ち切り観测 -p(x |θ)= f(x)。ここで F はパラメーター θ の累積分布関数 (cdf) です。
右側打ち切り観測 —p(x |θ)= 1 - f(x)。
xLと xUの間の区間打ち切り観測 —P(x|θ) = F(xU) – F(xL)。
打ち切りデータの場合、
mle
はすべての確率が打ち切り範囲[L,U]に含まよう分布关数スケーリングします。関数
mle
は、厳密法が使用可能であり、かつ標本データが打ち切られておらず、左側打ち切りおよび区間打ち切り観測値を含まない場合、厳密法を使用して信頼区間pci
を計算します。そうでない場合は Wald 法を使用します。厳密法が利用可能な分布は、二項分布、離散一様分布、指数分布、正規分布、対数正規分布、ポアソン分布、レイリー分布、および連続一様分布です。
拡張機能
gpu配列
Parallel Computing Toolbox™ を使用してグラフィックス処理装置 (GPU) 上で実行することにより、コードを高速化します。
使用上の注意事項および制限事項:
名前と値の引数
Distribution
は'Rician'
または'稳定的'
として指定できません。名前と値の引数
pdf
とcdf
、logpdf
とlogsf
,またはnloglf
を使用してカスタム分布を当てはめる場合、カスタム分布関数は GPU 配列をサポートする必要があります。
詳細は、GPU での MATLAB 関数の実行(Parallel Computing Toolbox)を参照してください。
バージョン履歴
MATLAB コマンド
Matlabコマンドコマンドにするがクリックされまし。。
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 ブラウザーは MATLAB コマンドをサポートしていません。
Select a Web Site
Choose a web site to get translated content where available and see local events and offers. Based on your location, we recommend that you select:.
You can also select a web site from the following list:
How to Get Best Site Performance
Select the China site (in Chinese or English) for best site performance. Other MathWorks country sites are not optimized for visits from your location.
Americas
- AméricaLatina(Español)
- Canada(English)
- United States(English)
Europe
- Netherlands(English)
- Norway(English)
- Österreich(Deutsch)
- Portugal(English)
- Sweden(English)
- Switzerland
- United Kingdom(English)