matlab数理统计.pptVIP

* 3.4 参数估计 常用分布的参数估计 1.正态分布的参数估计 格式：[muhat,sigmahat,muci,sigmaci]=normfit(X,alpha) 功能：数组X服从正态分布,给定显著水平alpha,缺省时为0.05,前二项给出点估计，后二项给出区间估计。X为矩阵时,针对列进行计算。 2.二项分布的参数估计(n重已知,p未知) 格式：[phat,puci]=binofit(X,n,alpha) 3.泊松分布的参数估计 格式：[lbdhat,lbdci]=poissfit(X, alpha) 4.均匀分布的参数估计 格式：[ahat,bhat,aci,bci]=unifit(X,alpha) * * 3.4 参数估计 5.指数分布的参数估计 格式：[lbdhat, lbdci]=expfit(X,alpha) 6.通用命令mle() 格式：[输出参数项]=mle(分布函数名,X,alpha [,N]) 说明：分布函数名有：bino(二项),geo(几何),hyge(超几何) poiss(泊松),uinf(均匀),unid(离散均匀),exp(指数) norm(正态),t(T分布),f(F分布),beta(贝塔),gam(伽吗) N当二项时需要，其他没有。 * * 例3.8设生成一组均值为15,方差为2.52的正态分布的随机数据，然后对这组数据进行置信度97%的参数估计。 程序：clear; w=normrnd(15,2.5,50,1); 或w=15+2.5*randn(50,1); alpha=0.03; [mh,sh,mc,sc]=normfit(w,alpha) 运行一次：mh=15.1076 sh=2.4038 mc=14.3478~15.8674 sc=1.9709~3.0703 3.4 参数估计 * * 例3.9设从一大批产品中抽取100个产品，经检验知有60个一级品，求这批产品的一级品率(置信度95%)。 程序：clear; alpha=0.05;N=100;X=60; [Ph,Pc]=mle(bino,X,alpha,N) 运行一次：Ph=0.6000 Pc=0.4972~0.6967 3.4 参数估计 五、参数估计 1．正态总体的参数估计 设总体服从正态分布，则其点估计和区间估计可同时由以下命令获得： [muhat,sigmahat,muci,sigmaci]=normfit(X,alpha) 此命令在显著性水平alpha下估计数据X的参数（alpha缺省时设定为0.05），返回值muhat是X的均值的点估计值，sigmahat是标准差的点估计值, muci是均值的区间估计,sigmaci是标准差的区间估计. 2．其它分布的参数估计 有两种处理办法: 一、取容量充分大的样本（n50），按中心极限定理，它近似地服从正态分布； 二、使用MATLAB工具箱中具有特定分布总体的估计命令. （1）[muhat, muci] = expfit(X,alpha) ──在显著性水平alpha下，求指数分布的数据X的均值的点估计及其区间估计. （2）[lambdahat, lambdaci] = poissfit(X,alpha) ──在显著性水平alpha下，求泊松分布的数据X的参数的点估计及其区间估计. （3）[phat, pci] = weibfit(X,alpha) ──在显著性水平alpha下，求Weibull分布的数据X的参数的点估计及其区间估计. 六、假设检验 在总体服从正态分布的情况下，可用以下命令进行假设检验. 1．总体方差 已知时，总体均值的检验使用 z检验 [h,sig,ci] = ztest(x,m,sigma,alpha,tail) 检验数据 x 的关于均值的某一假设是否成立，其中sigma 为已知方差， alpha 为显著性水平，究竟检验什么假设取决于 tail 的取值： tail = 0，检验假设“x 的均值等于 m ” tail = 1，检验假设“x 的均值大于 m ” tail =-1，检验假设“x 的均值小于 m ” tail的缺省值为 0， alpha的缺省值为 0.05. 返回值 h 为一个布尔值，h=1 表示可以拒绝假设，h=0 表示不可以拒绝假设，sig 为假设成立的概率，ci 为均值的 1-alpha 置信区间. 例7 MATLA