expfit

指数参数估计

语法

muhat = expfit(数据) [muhat, muci] = expfit(数据) [muhat, muci] = expfit(数据、α) [．..] = expfit(数据、α审查) [．..) = expfit(数据、α、审查、频率)

muhat = expfit(数据)在向量中估计指数分布样本数据的均值数据．

[muhat, muci] = expfit(数据)也返回的平均参数估计的95%置信区间muci．第一行muci为置信区间的下界，第二行为置信区间的上界。

[muhat, muci] = expfit(数据、α)返回(1 - 100α)参数估计的置信区间muhat,在那里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。

[．..] = expfit(数据、α审查)接受布尔向量，审查，大小相同的数据，即右截尾观测值为1，准确观测值为0。数据必须是一个vector才能传递参数审查．

[．..) = expfit(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。

下面是对平均值的估计μ，并返回估计的95%置信区间:

μ= 3;data = exprnd(μ,100,(1);%模拟数据[muhat,muci] = expfit(data) muhat = 2.7511 muci = 2.2826 3.3813

该功能完全支持GPU阵列。金宝app有关更多信息，请参见在GPU上运行MATLAB函数(并行计算工具箱)．

之前介绍过的R2006a