wblfit
威布尔参数估计
语法
parmhat = wblfit(数据)
[parmhat, parmci] = wblfit(数据)
[parmhat, parmci] = wblfit(数据、α)
[…]= wblfit(数据、α审查)
[…)= wblfit(数据、α、审查、频率)
[…]= wblfit(…,选项)
描述
parmhat = wblfit(数据)
返回最大似然估计,parmhat
的威布尔分布的参数向量中的值数据
,它必须是正的。parmhat
是一个双元素行向量:parmhat (1)
估计威布尔参数一个,parmhat (2)
估计威布尔参数b在pdf
[parmhat, parmci] = wblfit(数据)
返回95%置信区间估计一个和b在2×2矩阵parmci
。第一行包含参数的置信区间的下界,和第二行包含置信区间的上界。
([parmhat, parmci] = wblfit(数据、α)
返回(1 - 100α
)%参数估计的置信区间。
[…]= wblfit(数据、α审查)
接受一个布尔向量,审查
相同的大小数据
,这是1
观察right-censored和0
的观察观察。
[…)= wblfit(数据、α、审查、频率)
接受一个频率向量,频率
相同的大小数据
。向量频率
通常包含整数频率对应的元素数据
,但可以包含任何非负价值。通过[]
为α
,审查
,或频率
使用默认值。
[…]= wblfit(…,选项)
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。威布尔适应函数接受一个选项
结构,可以使用函数创建statset
。输入statset (“wblfit”)
的名称和默认值的参数lognfit
接受的选项
结构。看到页面的引用statset
关于这些选项的更多信息。
例子
,100 data = wblrnd (0.5, 0.8, 1);[parmhat, parmci] = wblfit(数据)parmhat parmci = = 0.5861 0.8567 0.4606 0.7360 0.7459 0.9973