用MATLAB进行区间估计

数据正态总体分布normfit()命令来完成对参数的点估计和区间估计。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）

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

y=[1050,1100,1080,1120,1200,1250,1040,1130,1300,1200];
[muhat,sigmahat,muci,sigmaci]= normfit(y,0.05)
%输出
muhat =

        1147


sigmahat =

   87.0568


muci =

   1.0e+03 *

    1.0847
    1.2093


sigmaci =

   59.8807
  158.9318

% muhat是正态分布的均值的点估计值 1147
% sigmahat是标准差的点估计 87.0568
% muci是均值的区间估计[1084.7 1209.3]
% sigmaci是标准差的区间估计[59.8807,158.9318] 

[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。

[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。

%标准差已知的正态均值区间估计
x=[14.6,14.7,15.1,19.9,14.8,15.0,15.1,15.2,14.8];
a=0.05;%给定显著水平
sigma=0.15;%已知标准差
n=length(x);%样本容量
mu=mean(x);%均值
u=norminv(1-a/2,0,1);%正态分布临界值
muci=[mu-u*sqrt(sigma^2/n),mu+u*sqrt(sigma^2/n)]%输出置信区间
[muhat,sigmahat,muci,sigmaci]= normfit(x,0.05)

muci =

   15.3687   15.5647

muhat =

   15.4667

sigmahat =

    1.6748

muci =

   14.1793
   16.7540

sigmaci =

    1.1313
    3.2086
可以在这种情况下看出直接计算和用公式计算误差较大

%均值已知时正态总体标准差的区间估计
x=[14.6,14.7,15.1,19.9,14.8,15.0,15.1,15.2,14.8];
a=0.05;%给定显著水平
n=length(x);%样本容量
mu=14.5;%已知均值
chi2=sum((x-mu).^2);
lambda1=chi2inv(1-a/2,n);
lambda2=chi2inv(a/2,n);
sigma=[sqrt(chi2/lambda1),sqrt(chi2/lambda2)]

y=[1050,1100,1080,1120,1200,1250,1040,1130,1300,1200];
%p139 22
z=[2.14,2.10,2.13,2.15,2.13,2.12,2.13,2.10,2.15,2.12,2.14];
mu=mean(z);
[muhat,sigmahat,muci,sigmaci]= normfit(z,0.1)
% 数据正态总体分布normfit()命令来完成对参数的点估计和区间估计。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）
% muhat是正态分布的均值的点估计值 1147
% sigmahat是标准差的点估计 87.0568
% muci是均值的区间估计[1084.7 1209.3]
% sigmaci是标准差的区间估计[59.8807,158.9318]
%%
[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。

[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。

%%
%标准差已知的正态均值区间估计
x=[14.6,14.7,15.1,19.9,14.8,15.0,15.1,15.2,14.8];
a=0.05;%给定显著水平
sigma=0.15;%已知标准差
n=length(x);%样本容量
mu=mean(x);%均值
u=norminv(1-a/2,0,1);%正态分布临界值
muci=[mu-u*sqrt(sigma^2/n),mu+u*sqrt(sigma^2/n)]%输出置信区间
[muhat,sigmahat,muci,sigmaci]= normfit(x,0.05)
%%
%均值已知时正态总体标准差的区间估计
x=[14.6,14.7,15.1,19.9,14.8,15.0,15.1,15.2,14.8];
a=0.05;%给定显著水平
n=length(x);%样本容量
mu=14.5;%已知均值
chi2=sum((x-mu).^2);
lambda1=chi2inv(1-a/2,n);
lambda2=chi2inv(a/2,n);
sigma=[sqrt(chi2/lambda1),sqrt(chi2/lambda2)]