matlab mle用法,MATLAB参数估计normfit()函数和mle()函数

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