主要内容

lognfit.

对数正态参数估计

页面上倒塌

句法

phat = lognfit（x）
[Phat，PCI] = LogNFIT（x）
[PHAT，PCI] = LogNFIT（x，alpha）
[___] = lognfit（x，alpha，审查）
[___] = lognfit（x，alpha，审查，频率）
[___] = lognfit（x，alpha，审查，频率，选项）

描述

幽灵= lognfit（X）返回对数正态分布参数的无偏估计，给定X。phat（1）和phat（2）分别是对数值的平均值和标准偏差。

[幽灵那PCI.] = lognfit（X）还返回参数估计的95％置信区间。

例子

[幽灵那PCI.] = lognfit（X那α）指定置信区间的置信水平100（1-alpha）％。

例子

[___] = lognfit（X那α那审查）指定是否每个值X是正确的或不是正确的。使用逻辑向量审查其中1表示右缩象和0表示完全观察到的观察结果。与审查，幽灵值是最大可能性估计（MLES）。

[___] = lognfit（X那α那审查那弗里克）指定观察的频率或权重。

例子

[___] = lognfit（X那α那审查那弗里克那选项）指定迭代算法的优化选项lognfit.用来计算mles与审查。创建选项通过使用该功能实例化。

你可以进来[]为了α那审查， 和弗里克使用它们的默认值。

例子

全部收缩

打开直播脚本

使用参数5和2从对数正态分布生成1000个随机数。

rng(“默认”）%为了再现性n = 1000;％样本数量x = lognrnd（5,2，n，1）;

找到参数估计和99％的置信区间。

[Phat，PCI] = LogNFIT（x，0.01）
phat =1×24.9347 1.9979
PCI =2×24.7717 1.8887 5.0978 2.1196

phat（1）和phat（2）分别是对数值的平均值和标准偏差。PCI.包含平均值和标准偏差参数的99%置信区间。第一行中的值为下限，第二行中的值为上限。

打开直播脚本

通过使用查找使用审查的数据集的MLElognfit.。用实例化指定迭代算法选项lognfit.用于计算MLES for CensoRed数据，然后再次找到MLES。

生成真正的次数X遵循对数正态分布，参数为5和2。

rng(“默认”）%为了再现性n = 1000;％样本数量x = lognrnd（5,2，n，1）;

产生审查时间。请注意，审查时间必须独立于真实次数X。

censtime = normrnd（150,20，尺寸（x））;

指定审查时间和观察时间的指示。

审查= x> censtime;Y = min（x，censtime）;

找到Lognormal分布参数的MLE。第二个输入论点lognfit.指定置信水平。通过[]使用其默认值0.05。第三个输入参数指定审查信息。

phat = lognfit（y，[]，审查）
phat =1×24.9535 1.9996

显示默认算法参数lognfit.用于估计Lognormal分布参数。

statset（'lognfit'）
ans =.结构与字段：显示：'OFF'MAXFUNevals：200 MAXITER：100 TOLBND：1.0000E-06 TOLFUN：1.0000E-08 TOLTYPEFUN：[] TOLX：1.0000E-08 TOLTYPEX：[] Gradobj：[] jacobian：[] DerivStep：[] FunvalCheck：[] robust：[] robustwgtfun：[] wgtfun：[] tune：[]使用adplelial：[]使用substefstreams：[] streams：{} outputfcn：[]

使用其他名称保存选项。更改结果显示（展示)以及目标函数的终止容差(塔尔芬）。

选项=statset('lognfit'）;options.display =.'最终的';options.tolfun = 1E-10;

或者，您可以使用函数的名称值对参数指定算法参数实例化。

选项=statset(“显示”那'最终的'那'tolfun'，1E-10）;

使用新算法参数查找MLES。

phat = lognfit（y，[]，审查，[]，选项）
成功融合：渐变的规范低于选项.Tolfun
phat =1×24.9535 1.9996

lognfit.显示最终迭代的报告。

输入参数

全部收缩

示例数据，指定为向量。

数据类型：单身的|双倍的

置信区间的显着性水平，指定为范围（0,1）的标量。置信水平是100（1-alpha）％， 在哪里α是置信区间不包含真值的概率。

例子：0.01

数据类型：单身的|双倍的

每个值审查的指标X，指定为与尺寸相同的逻辑向量X。使用1用于对右侧审查的观察和完全观察到的观察结果。

默认值为0s的数组，这意味着完全观察到所有观察。

数据类型：逻辑

观察的频率或重量，指定为与相同的非负载量X这个弗里克输入参数通常包含相应元素的非负整数计数X，但可以包含任何非负值。

要获取使用审查的数据集的加权MLE，请指定观察的权重，标准化为观察次数X。

默认值为1s数组，这意味着每个元素的一个观察X。

数据类型：单身的|双倍的

优化选项，指定为结构。选项确定迭代算法的控制参数lognfit.用于计算用于删除数据的MLES。

创建选项通过使用该功能实例化或者通过创建包含此表中描述的字段和值的结构数组。

字段名 价值 默认值
展示

算法显示的信息量。

  • '离开'- 无显示信息。

  • '最终的'- 显示最终输出。

 '离开'
Maxfunevals.

允许的最大客观函数评估数指定为正整数。

 200.
马克西特

允许的最大迭代次数，指定为正整数。

 100.
托尔巴特

标准偏差参数估计的下限，指定为正标量。

平均值和标准偏差参数估计的界限是[-inf，inf]和[Tolbnd，INF]， 分别。

 1E-6
塔尔芬

目标函数值的终止公差，指定为正标量。

 1E-8
托克斯

参数的终止公差指定为正标量。

 1E-8

你也可以进入statset（'lognfit.'）在命令窗口中查看字段的名称和默认值lognfit.接受选项结构体。

例子：statset（'显示'，'final'，'maxiter'，1000）指定显示迭代算法结果的最终信息，并更改允许1000的最大迭代次数。

数据类型：塑造

输出参数

全部收缩

估计值的逻辑分布参数，返回为1×2向量。phat（1）和phat（2）分别是对数值的平均值和标准偏差。

  • 没有审查，幽灵值是无偏见的估计。要计算没有审查的mles，请使用m功能。

  • 与审查，幽灵值是mles。要计算加权的MLE，请通过使用指定观测的权重弗里克。

对数正态分布参数估计的置信区间，作为2×2矩阵返回，包含100（1-alpha）％ 置信区间。

第一和第二行分别对应于置信区间的下限和上限。

算法

计算置信区间，lognfit.对未经审查的数据使用精确方法，对经审查的数据使用Wald方法。精确方法根据T.和Chi-Square分布。

替代功能

lognfit.是特定于Lognormal分布的功能。统计和机器学习工具箱™还提供通用功能m那Fitdist.， 和PARAMCI.和配送钳工应用程序，支持各种概率金宝app分布。

  • m返回MLES的MLES与各种概率分布参数的MLES的置信区间。您可以指定概率分布名称或自定义概率密度函数。

  • 创建一个lognormaldistribution.概率分布对象通过将分布拟合到数据使用的数据Fitdist.功能或者配送钳工应用程序。对象属性亩和Sigma.存储参数估计值。要获得参数估计的置信区间，请将对象传递给PARAMCI.。

工具书类

[1]埃文斯，M.，N. Hastings和B. Peacock。统计分布。第二次。Hoboken，NJ：John Wiley＆Sons，Inc。，1993年。

[2]律，J.F。终身数据的统计模型和方法新泽西州霍博肯：威利国际科学出版社，1982年。

[3] Meeker，W. Q.和L. A. Escobar。可靠性数据的统计方法。Hoboken，NJ：John Wiley＆Sons，Inc。，1998年。

扩展能力

C / C ++代码生成
使用MATLAB®Coder™生成C和C ++代码。

也可以看看

||||||||||

话题

在R2006A之前介绍

统计和机器学习工具箱文档

金宝app

尝试matlab，sim金宝appulink等产品下载188bet金宝搏

立即获得审判