主要内容

wblfit

威布尔参数估计

折叠所有页面

语法

parmHat = wblfit(x)
[parmHat,parmCI] = wblfit(x)
[parmHat,parmCI] = wblfit(x,alpha)
［___= wblfit(x,alpha, cen)
［___= wblfit(x,alpha, censorship,freq)
［___= wblfit(x,alpha, censorship,freq,options)

描述

例子

parmHat= wblfit (x）中给定样本数据，返回威布尔分布参数(形状和尺度)的估计值x．

例子

［parmHat，parmCI= wblfit(x）还返回参数估计值的95%置信区间。

［parmHat，parmCI= wblfit(x，α）指定置信区间的置信级别100(1α)%。

［___= wblfit(x，α，审查）中的每个值是否为x是否正确审查。使用逻辑向量审查其中1表示右截尾观测值，0表示完全观测值。

［___= wblfit(x，α，审查，频率）指定观察值的频率或权重。

例子

［___= wblfit(x，α，审查，频率，选项）指定迭代算法的优化选项wblfit用于计算最大似然估计(MLEs)与审查。创建选项通过使用函数statset．

你可以进去［］为α，审查,频率使用它们的默认值。

例子

全部折叠

打开实时脚本

从有尺度的威布尔分布中生成100个随机数0.8和形状3.．

X = wblrnd(0.8,3,100,1);

根据数据估计威布尔分布的参数。

parmHat = wblfit(x)
parmHat =1×20.7751 - 2.9433
打开实时脚本

从有尺度的威布尔分布中生成100个随机数1和形状2．

X = wblrnd(1,2,100,1);

找到95％从数据估计威布尔分布参数的置信区间。

[parmHat,parmCI] = wblfit(x)
parmHat =1×20.9536 - 1.9622
parmCI =2×20.8583 1.6821 1.0596 2.2890

的第一行parmCI包含置信区间的下界，底部一行包含置信区间的上界。

打开实时脚本

从有尺度的分布中生成100个威布尔随机变量2和形状5．

X = wblrnd(2,5,100,1);

的算法参数wblfit．

statset (“wblfit”）
ans =带字段的结构:显示:'off' MaxFunEvals: [] MaxIter: [] TolBnd: [] TolFun: [] TolTypeFun: [] TolX: 1.000e -06 TolTypeX: [] GradObj: [] Jacobian:[]衍生step: [] FunValCheck: [] Robust: [] RobustWgtFun: [] WgtFun: [] Tune: [] UseParallel: [] UseSubstreams: [] Streams: {} OutputFcn: []

使用函数的名称-值对参数指定算法参数statset．更改结果的显示方式(显示)，并设置参数的终止容差(TolX）.

选项= statset(“显示”，“通路”，“TolX”1的军医);%优化选项

使用新的算法参数找到mle。

Parmhat = wblfit(x，[]，[]，[]，options)
函数计数x f(x)程序2 0.193283 -0.0172927 initial 3 0.205467 0.00262429插补4 0.203862 2.99018e-05插补5 0.203862 2.99018e-05插补在间隔中发现零[0.193283,0.386565]
parmhat =1×21.9624 - 4.9050

wblfit显示关于迭代的信息。

输入参数

全部折叠

样本数据，指定为一个向量。

数据类型:单|双

置信区间的显著性水平，指定为范围(0,1)中的标量。置信水平是100(1α)%,α是置信区间不包含真实值的概率。

例子:0.01

数据类型:单|双

中各值的审查指标x，指定为与的大小相同的逻辑向量x．用1表示右截尾的观测值，用0表示完全观测值。

默认值是一个0数组，这意味着所有观察结果都被完全观察到。

数据类型:逻辑

观测的频率或权重，指定为与的大小相同的非负向量x．的频率中相应元素的输入参数通常包含非负整数计数x，但可以包含任何非负值。

要获得带有审查的数据集的加权mle，请指定观测值的权重，归一化为中的观测值的数量x．

默认是一个1的数组，这意味着每个元素都有一个观测值x．

数据类型:单|双

优化选项，指定为结构。选项确定了迭代算法的控制参数wblfit用于计算截尾数据的mle。

创建选项通过使用函数statset或者创建一个包含本表中描述的字段和值的结构数组。

字段名 价值 默认值
显示

算法显示的信息量。

  • “关闭”—不显示任何信息

  • “最后一次”—显示最终输出

  • “通路”-显示迭代输出

 “关闭”
TolX

参数的终止容差，指定为正标量

 1 e-8

你也可以进入statset ('wblfit”)在命令窗口中查看字段的名称和默认值wblfit包括在选项结构。

例子:statset(“显示”、“iter”)指定显示迭代算法每一步的信息。

数据类型:结构体

输出参数

全部折叠

参数估计一个(规模)和b(形状)的威布尔分布，作为行向量返回。

威布尔分布的平均参数的置信区间，返回为2 × 2矩阵向量，其中包含的下界和上界100(1α)%置信区间。

第一行和第二行分别对应置信区间的下界和上界。

选择功能

wblfit是威布尔分布特有的函数。统计和机器学习工具箱™也提供了通用功能大中型企业，fitdist,paramci和分布更健康App，它支持各种概率金宝app分布。

  • 大中型企业返回各概率分布参数的最大似然值和最大似然值的置信区间。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WeibullDistribution概率分布对象通过拟合分布到数据使用fitdist函数或分布更健康对象属性一个而且b存储参数估计值。要获得参数估计的置信区间，将对象传递给paramci．

扩展功能

C/ c++代码生成
使用MATLAB®Coder™生成C和c++代码。

另请参阅

|||||||

主题

R2006a之前介绍

统计和机器学习工具箱文档

金宝app

试试MATLAB、Sim金宝appulink和其他产品下载188bet金宝搏

现在就去审判吧