MATLAB学习笔记：区间估计

若已经知道了一组数据来自正太分布总体，但是不知道正态分布总体的函数。这时可以利用normfit()命令来完成对参数的点估计和区间估计。

调用格式：

[muhat,sigmahat,muci,sigmaci]=normfit(X,alpla)

此命令以alpha为显著性水平，在数据X下，对参数进行估计（alpha缺省时设定为0.05）.

返回值中

muhat是正态分布的均值的点估计值

sigmahat是标准差的点估计

muci是均值的区间估计

sigmaci是标准差的区间估计

X为矩阵时，则对每一列向量进行计算。



>> r=normrnd(10,22,50,1);
>> [mu,sigm,muci,sigmci]=normfit(r)

mu =

16.2488

sigm =

27.7757

muci =

8.3550
24.1425

sigmci =

23.2020
34.6122

>> r=normrnd(10,22,100,1);
>> [mu,sigm,muci,sigmci]=normfit(r)

mu =

7.8897

sigm =

23.3575

muci =

3.2551
12.5244

sigmci =

20.5081
27.1339

>> r=normrnd(10,22,1000,1);
>> [mu,sigm,muci,sigmci]=normfit(r)

mu =

9.5294

sigm =

21.5744

muci =

8.1906
10.8682

sigmci =

20.6685
22.5639

其它分布的参数估计命令：

[muhat,muci]=expfit(X,alpha)

在显著性水平alpha下，指数分布的数据X的均值的点估计及其区间估计。

[lamhat,lamaci]=poissfit(X,alpha)

在显著性水平alpha下，泊松分布的数据X的参数的点估计及其区间估计。

[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。j

[ahat,bhat,aci,bci]=unifit(X,alpha)

在显著性水平alpha下，求均匀分布的数据X的参数a和b的点估计及其区间估计。



>> r=exprnd(0.5,100,1);
>> [lamta,lamtaci]=expfit(r)

lamta =

0.4985

lamtaci =

0.4136
0.6127

>> [lamta,lamtaci]=expfit(r,0.01)

lamta =

0.4985

lamtaci =

0.3906
0.6549