matlab常用分布极大似然估计函数用法(含例子实现)

本博文源于matlab概率论运用。学过《概率论》的同学都知道，极大似然估计一般用于区间估计的。而matlab已经将其封装好由我们自己调用。

参数估计的MATLAB函数

函数	功能
[mu,sigma,muci,sigmaci] = normfit(x,alpha)	正态总体的均值、标准差的极大似然估计mu和sigma，返回在显著性水平alpha下的均值、标准差的置信区间muci和sigmaci，x是样本(数组或矩阵),alpha默认设定为0.05
[mu,muci]= expfit(x,alpha)	指数分布的极大似然估计，返回显著性水平alpha下的置信区间muci，x是样本(数组或矩阵),alpha默认设定为0.05
[a,b,aci,bci] = unifig(x,alpha)	均匀分布的极大似然估计，返回显著性水平alpha下的置信区间aci，x是样本(数组或矩阵),alpha默认设定为0.05
[p,pci] = binofit(x,n,alpha)	二项分布的极大似然估计，返回显著性水平alpha下的置信区间pci，x是样本(数组或矩阵),alpha默认设定为0.05
[lambda,labdaci] = poissfit(x,alpha)	泊松分布的极大似然估计，返回显著性水平alpha下的置信区间lambdaci，x是样本(数组或矩阵),alpha默认设定为0.05

例子：下面是某厂的瓶装运动饮料体积，求均值、标准差的极大似然估计值及置信水平为0.90的置信区间

数据如下：

595 602 610 585 618 615 605 620 600 606

我们运用表格中的第一个函数即可求得

>> x=[595 602 610 585 618 615 605 620 600 606]

x =

   595   602   610   585   618   615   605   620   600   606


>> [mu,sigma,muci,sigmaci] = normfit(x,0.90)

mu =

  605.6000


sigma =

   10.8033


muci =

  605.1584
  606.0416


sigmaci =

   10.8864
   11.5724

>> 

答：置信水平为0.90时，均值及标准差的极大似然估计值分别是605.6000与10.8033.均值及标准差的置信区间分别为(605.1584,606.0416)和(10.8864,11.5724)