gamfit

Estimaciones de parámetros gamma

Sintaxis

phat = gamfit(data) [phat,pci] = gamfit(data) [phat,pci] = gamfit(data,alpha) [...] = gamfit(data,alpha,censoring,freq,options)

Descripción

phat = gamfit(data) devuelve las estimaciones de máxima verosimilitud (MLE) de los parámetros de la distribución gamma dados los datos del vector data.

[phat,pci] = gamfit(data) devuelve MLE e intervalos de confianza de un 95%. La primera fila de pci es el límite inferior de los intervalos de confianza; la última fila es el límite superior.

[phat,pci] = gamfit(data,alpha) devuelve los intervalos de confianza del 100(1 - alpha)%. Por ejemplo, alpha = 0.01 arroja intervalos de confianza del 99%.

[...] = gamfit(data,alpha,censoring) acepta un vector booleano del mismo tamaño que data que es 1 para observaciones que son censuradas a la derecha y 0 para observaciones que son observadas de forma exacta.

[...] = gamfit(data,alpha,censoring,freq) acepta un vector de frecuencia del mismo tamaño que data. freq suele contener frecuencias de enteros para los elementos correspondientes de data, pero puede contener valores no negativos.

[...] = gamfit(data,alpha,censoring,freq,options) acepta una estructura, options, que especifica parámetros de control para el algoritmo iterativo que usa la función para calcular las estimaciones de máxima verosimilitud. La función de ajuste gamma acepta una estructura options que puede crearse usando la función statset. Introduzca statset('gamfit') para ver los nombres y los valores predeterminados de los parámetros que gamfit acepta en la estructura options.

Ejemplos

Ajuste una distribución gamma a datos generados aleatoriamente a partir de una distribución gamma especificada:

a = 2; b = 4;
data = gamrnd(a,b,100,1);

[p,ci] = gamfit(data)
p =
  2.1990  3.7426
ci =
  1.6840  2.8298
  2.7141  4.6554

Referencias

[1] Hahn, Gerald J., and S. S. Shapiro. Statistical Models in Engineering. Hoboken, NJ: John Wiley & Sons, Inc., 1994, p. 88.

Capacidades ampliadas

Arreglos GPU
Acelere código mediante la ejecución en una unidad de procesamiento gráfico (GPU) mediante Parallel Computing Toolbox™.

Esta función es totalmente compatible con los arreglos de GPU. Para obtener más información, consulte Run MATLAB Functions on a GPU (Parallel Computing Toolbox).