γ参数估计
太好了= gamfit(数据)
(太好了,pci) = gamfit(数据)
(太好了,pci) = gamfit(数据、α)
[…]= gamfit(数据、α、审查、频率、期权)
太好了= gamfit(数据)
返回参数的最大似然(ml)估计的伽马分布的数据向量数据
。
(太好了,pci) = gamfit(数据)
返回毫升和95%置信区间。第一行的一种总线标准
置信区间的下限;最后一行是上界。
(太好了,pci) = gamfit(数据、α)
返回100(1 -α)
%的置信区间。例如,α
=0.01
收益率99%置信区间。
[…]= gamfit(数据、α审查)
接受一个布尔向量相同的大小数据
1的观测right-censored和0的观察,观察到底。
[…)= gamfit(数据、α、审查、频率)
接受一个频率向量的大小一样数据
。频率
通常包含整数频率对应的元素数据
,但可能包含任何非负价值。
[…]= gamfit(数据、α、审查、频率、期权)
接受一个结构,选项
,指定控制参数的迭代算法计算极大似然估计的函数使用。γ函数接受一个选项
结构,可以使用函数创建statset
。输入statset (“gamfit”)
的名称和默认值的参数gamfit
接受的选项
结构。
符合伽马分布随机生成的数据从一个指定的伽马分布:
= 2;b = 4;data = gamrnd (a, b, 100, (1);[p, ci] = gamfit ci(数据)p = 2.1990 - 3.7426 = 1.6840 2.8298 2.7141 4.6554
[1]哈恩,杰拉尔德·J。,s·s·夏皮罗。统计模型在工程。新泽西州霍博肯:约翰·威利& Sons Inc ., 1994,第88页。