matlab中normfit在正态分布中的使用技巧如下:
函数 normfit 格式 [muhat,sigmahat,muci,sigmaci] = normfit(X) ;
[muhat,sigmahat,muci,sigmaci] =normfit(X,alpha)
说明 muhat,sigmahat分别为正态分布的参数μ和σ的估计值;,muci,sigmaci分别为置信区,其置信度为:alpha
给出显著水平α,缺省时默认为0.05,即置信度为95%.
例4-62 有两组(每组100个元素)正态随机数据,其均值为10,均方差为2,求95%的置信区间和参数估计值.
解
:>>r = normrnd (10,2,100,2); %产生两列正态随机数据
>>[mu,sigma,muci,sigmaci] =normfit(r)
则结果为
mu =
10.1455 10.0527 %各列的均值的估计值
sigma =
1.9072 2.1256 %各列的均方差的估计值
muci =
9.7652 9.6288
10.5258 10.4766
sigmaci =
1.6745 1.8663
2.2155 2.4693
说明:muci,sigmaci中各列分别为原随机数据各列估计值的置信区间,置信度为95%.
MLE(maximum likelihood estimation,最大似然估计),的基本原理是通过选择参数使
似然函数最大化。此处,我们只讲随机数分布估计。假设随机分布的PDF为 f(x,theta),
其