Chi-squrare 分布
[m,v]=binostat(N,P)
二项分布
[m,v]=betastat(A,B)
Beta 分布
函数名称及调用格式
分布类型名称
[m,v]=weibstat(A,B)
威尔分布
[m,v]=unistat(A,B)
连续均匀分布
[m,v]=unidstat(N)
离散均匀分布
[m,v]=tstat(nu)
t 分布
[m,v]=raylstat(B)
瑞利分布
[m,v]=poisstat(lambda)
泊松分布
[m,v]=ncx2stat(nu,delta)
非中心 chi2 分布
[m,v]=nctstat(nu,delta)
非中心 t 分布
[m,v]=ncfstat(nu1,nu2,delta)
非中心 F 分布
[m,v]=nbinstat(R,P)
负二项分布
[m,v]=lognstat(mu,sigma)
对数正态分布
[size=2][color=blue]
第 2 节 参数估计[/color][/size]
参数估计是总体的分布形式已经知道,且可以用有限个参数表示的估计问题.分为点估计(极大似燃估
计 Maximum likehood estimation, MLE)和区间估计.
求取各种分布的最大似然估计估计量 mle
〉〉格式 :phat=mle('dist',data)
[phat,pci]=mle('dist',data)
[phat,pci]=mle('dist',data,alpha)
[phat,pci]=mle('dist',data,alpha,p1)
〉〉 'dist' 给定的特定分布的名称,'beta','binomial'等.Data 为数据样本,矢量形式给出.Alpha 用户给定
的置信度值,以给出 100(1-alpha)%的置信区间,缺省为 0.05.最后一种是仅供二项分布参数估计,p1 为
实验次数.
例 1 计算 beta 分布的两个参数的似然估计和区间估计(alpha=0.1,0.05,0.001),样本由随机数产生.
>> random('beta',4,3,100,1);
>> [p,pci]=mle('beta',r,0.1)
p =
4.6613 3.5719
pci =