指数参数估计
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