proflik
概率分布的剖面似然函数
语法
描述
例子
分布参数的剖面似然性
加载样例数据。通过拟合威布尔分布到每加仑英里数(英里/加仑)数据。
负载carsmallpd = fitdist(MPG;“威布尔”）
威布尔分布A = 26.5079 [24.8333, 28.2954] B = 3.27193 [2.79441, 3.83104]
查看分布的参数名称。
pd。ParameterNames
ans =1 x2单元格{A} {B}
对于威布尔分布，一个在位置1，和B在位置2。
计算概要的可能性B，已经就位Pnum = 2．
[ll,param] = proflik(pd,2);
的估计值显示对数似然值B．
(会,参数)
ans =21日×2-329.9688 2.7132 -329.4312 2.7748 -328.9645 2.8365 -328.5661 2.8981 -328.2340 2.9597 -327.9658 3.0213 -327.7596 3.0830 -327.6135 3.1446 -327.5256 3.2062 -327.4943 3.2678
这些结果表明，剖面测井的似然性在估计值之间是最大的B值为3.2678和3.3295，分别对应对数似然值-327.4943和-327.5178。从早期发作，MLE的B是3.27193，正如预期的那样，它在这个区间内。
参数值受限的剖面似然性
加载样例数据。通过拟合每加仑英里数的广义极值分布来创建概率分布对象(英里/加仑)数据。
负载carsmallpd = fitdist(MPG;“GeneralizedExtremeValue”）
广义极值分布k = -0.207765 [-0.381674， -0.0338563] sigma = 7.49674 [6.31755, 8.89604] mu = 20.6233 [18.8859, 22.3606]
查看分布的参数名称。
pd。ParameterNames
ans =1 x3单元格{'k'} {'sigma'} {'mu'}
对于广义极值分布，k在位置1，σ在位置2，和μ在3号位置。
计算概要的可能性μ，已经就位Pnum = 3．将计算限制在参数值20到22之间，并显示图形。
[ll,param,other] = proflik(pd,3,20:.1:22，)“显示”，“上”）;
图中显示了该参数的估计值μ使对数似然最大化。
的估计值显示对数似然值μ，和相应对数似然最大的其他分布参数的值。
(会,参数,其他)
ans =21日×4-327.5706 20.000 -0.1803 7.4087 -327.4971 20.1000 -0.1846 7.4218 -327.4364 20.2000 -0.1890 7.4354 -327.3887 20.3000 -0.1934 7.4493 -327.3538 20.4000 -0.1978 7.4636 -327.3317 20.5000 -0.2023 7.4783 -327.3223 20.6000 -0.2067 7.4932 -327.3257 20.7000 -0.2112 7.5084 -327.3418 20.8000 -0.2156 7.5240 -327.3706 20.9000 -0.2201 7.5399
第一列包含与的估计相对应的对数似然值μ在第二列。日志似然值在20.6000 ~ 20.7000之间最大，分别对应日志似然值-327.3223和-327.3257。第三列包含的值k使相应的对数似然值最大化μ．第四列包含的值σ使相应的对数似然值最大化μ．
输入参数
输出参数
在R2013a中介绍
您也可以从以下列表中选择网站:
