Binofit
二项式参数估计
句法
phat = binofit(x,n)
[phat,pci] = binofit(x,n)
[phat,pci] = binofit(x,n,alpha)
描述
phat = binofit(x,n)
根据成功的数量,在给定的二项式试验中返回成功概率的最大似然估计值,X
,观察到n
独立试验。如果x =(x(1),x(2),... x(k))
是矢量,Binofit
返回一个与相同大小的向量X
它的ITH输入是参数估计值x(i)
。全部k
估计是彼此独立的。如果n =(n(1),n(2),...,n(k))
是与X
,二项式拟合,Binofit
,返回一个矢量,其ITH条目是基于成功数量的参数估计值x(i)
在你)
独立试验。标量值X
或者n
扩展到与其他输入相同的大小。
[phat,pci] = binofit(x,n)
返回概率估计,柏
,以及95%的置信区间,PCI
。Binofit
使用Clopper-Pearson方法计算置信区间。
[phat,pci] = binofit(x,n,alpha)
返回100(1-α)
% 置信区间。例如,α
=
0.01
产生99%的置信区间。
笔记
Binofit
与其他统计数据和机器学习工具箱™函数的行为不同,该功能是计算参数估计的,因为它返回了每个条目的独立估计X
。通过对比,解释
根据所有条目返回单个参数估计X
。
与大多数其他分销拟合功能不同,Binofit
功能处理其输入X
向量作为来自单独样本的测量集合。如果你想好X
作为单个样本并计算单个参数估计,您可以使用binofit(sum(x),sum(n))
什么时候n
是矢量,binofit(sum(x),n*长度(x))
什么时候n
是标量。
例子
该示例生成了100个元素的二项式样本,其中在给定试验中成功的概率为0.6,然后从样本中的结果中估算了这种概率。
r = binornd(100,0.6);[phat,pci] = binofit(r,100)phat = 0.5800 pci = 0.4771 0.6780
95%的置信区间,PCI
,包含真实值0.6。
参考
[1] Johnson,N。L.,S。Kotz和A. W. Kemp。单变量离散分布。新泽西州霍博肯:Wiley-Interscience,1993年。