Esta página aún no se ha traducido para esta versión. Puede ver la versión más reciente de esta página en inglés.

binofit

El parámetro binomial estima

Sintaxis

phat = binofit(x,n)
[phat,pci] = binofit(x,n)
[phat,pci] = binofit(x,n,alpha)

Descripción

phat = binofit(x,n) Devuelve una estimación de máxima verosimilitud de la probabilidad de éxito en un determinado ensayo binomial basado en el número de éxitos, observados en ensayos independientes.xn Si es un vector, devuelve un vector del mismo tamaño para cuya entrada es la estimación del parámetro.x = (x(1), x(2), ... x(k))binofitxx(i) Todas las estimaciones son independientes entre sí.k Si es un vector del mismo tamaño que, el ajuste binomio, devuelve un vector cuya entrada es la estimación del parámetro basada en el número de éxitos en ensayos independientes.n = (n(1), n(2), ..., n(k))xbinofitx(i)n(i) Un valor escalar para o se expande al mismo tamaño que la otra entrada.xn

[phat,pci] = binofit(x,n) Devuelve la estimación de probabilidad y los intervalos de confianza del 95%,. utiliza el método Clopper-Pearson para calcular los intervalos de confianza.phatpcibinofit

[phat,pci] = binofit(x,n,alpha) Devuelve los intervalos de confianza%.100(1 - alpha) Por ejemplo, produce un 99% de intervalos de confianza.alpha=0.01

Nota

se comporta de forma diferente a otras funciones que calculan las estimaciones de parámetros, ya que devuelve estimaciones independientes para cada entrada de.binofitStatistics and Machine Learning Toolbox™x Por comparación, devuelve una estimación de un solo parámetro basada en todas las entradas de.expfitx

A diferencia de la mayoría de las otras funciones de ajuste de distribución, la función trata su vector de entrada como una colección de mediciones de muestras separadas.binofitx Si desea tratar como una sola muestra y calcular una estimación de un solo parámetro para él, puede usar cuando es un vector, y cuando es un escalar.xbinofit(sum(x),sum(n))nbinofit(sum(X),N*length(X))n

Ejemplos

En este ejemplo se genera una muestra binomial de 100 elementos, donde la probabilidad de éxito en una prueba determinada es 0,6 y, a continuación, se estima esta probabilidad a partir de los resultados de la muestra.

r = binornd(100,0.6); [phat,pci] = binofit(r,100) phat =   0.5800 pci =   0.4771  0.6780

El intervalo de confianza de 95%,, contiene el valor verdadero, 0,6.pci

Referencias

[1] Johnson, N. L., S. Kotz, and A. W. Kemp. Univariate Discrete Distributions. Hoboken, NJ: Wiley-Interscience, 1993.

Capacidades ampliadas

Introducido antes de R2006a