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

coefCI

Los intervalos de confianza de las estimaciones de coeficiente del modelo de regresión lineal

Descripción

ejemplo

ci = coefCI(mdl) Devuelve un 95% de intervalos de confianza para los coeficientes.mdl

ejemplo

ci = coefCI(mdl,alpha) Devuelve intervalos de confianza utilizando el nivel de confianza.1 – alpha

Ejemplos

contraer todo

Ajuste un modelo de regresión lineal y obtenga los intervalos de confianza predeterminados del 95% para los coeficientes del modelo resultantes.

Cargue el conjunto de datos y cree una tabla en la que el predictor sea categórico.carbigOrigin

load carbig Origin = categorical(cellstr(Origin)); tbl = table(Horsepower,Weight,MPG,Origin);

Ajuste un modelo de regresión lineal. Especifique, y como variables predictoras, y especifique como la variable de respuesta.HorsepowerWeightOriginMPG

modelspec = 'MPG ~ 1 + Horsepower + Weight + Origin'; mdl = fitlm(tbl,modelspec);

Ver los nombres de los coeficientes.

mdl.CoefficientNames
ans = 1x9 cell array
  Columns 1 through 4

    {'(Intercept)'}    {'Horsepower'}    {'Weight'}    {'Origin_France'}

  Columns 5 through 7

    {'Origin_Germany'}    {'Origin_Italy'}    {'Origin_Japan'}

  Columns 8 through 9

    {'Origin_Sweden'}    {'Origin_USA'}

Encuentre intervalos de confianza para los coeficientes del modelo.

ci = coefCI(mdl)
ci = 9×2

   43.3611   59.9390
   -0.0748   -0.0315
   -0.0059   -0.0037
  -17.3623   -0.3477
  -15.7503    0.7434
  -17.2091    0.0613
  -14.5106    1.8738
  -18.5820   -1.5036
  -17.3114   -0.9642

Ajuste un modelo de regresión lineal y obtenga los intervalos de confianza para los coeficientes del modelo resultantes utilizando un nivel de confianza especificado.

Cargue el conjunto de datos y cree una tabla en la que el predictor sea categórico.carbigOrigin

load carbig Origin = categorical(cellstr(Origin)); tbl = table(Horsepower,Weight,MPG,Origin);

Ajuste un modelo de regresión lineal. Especifique, y como variables predictoras, y especifique como la variable de respuesta.HorsepowerWeightOriginMPG

modelspec = 'MPG ~ 1 + Horsepower + Weight + Origin'; mdl = fitlm(tbl,modelspec);

Encuentre 99% de intervalos de confianza para los coeficientes.

ci = coefCI(mdl,.01)
ci = 9×2

   40.7365   62.5635
   -0.0816   -0.0246
   -0.0062   -0.0034
  -20.0560    2.3459
  -18.3615    3.3546
  -19.9433    2.7955
  -17.1045    4.4676
  -21.2858    1.2002
  -19.8995    1.6238

Los intervalos de confianza son más anchos que los intervalos de confianza predeterminados del 95%.Encuentre intervalos de confianza para coeficientes de modelo

Argumentos de entrada

contraer todo

Objeto de modelo de regresión lineal, especificado como un objeto creado mediante o, o un objeto creado medianteLinearModelfitlmstepwiselmCompactLinearModel compact.

Nivel de significancia para el intervalo de confianza, especificado como un valor numérico en el intervalo [0,1]. El nivel de confianza de es igual aci 100(1 – alpha)%. es la probabilidad de que el intervalo de confianza no contenga el valor verdadero.alpha

Ejemplo: 0.01

Tipos de datos: single | double

Argumentos de salida

contraer todo

Intervalos de confianza, devueltos como una matriz numérica a-por-2, donde es el número de coeficientes.kk La fila TH de es el intervalo de confianza del coeficiente TH de.jcijmdl El nombre del coeficiente se almacena en la propiedad de.jCoefficientNamesmdl

Tipos de datos: single | double

Más acerca de

contraer todo

Intervalo de confianza

Los intervalos de confianza del coeficiente proporcionan una medida de precisión para las estimaciones del coeficiente de regresión lineal. Un intervalo de confianza de 100 (1 – α)% da el rango en que el coeficiente de regresión correspondiente estará en 100 (1 – α)% de confianza, lo que significa que 100 (1 – α)% de los intervalos resultantes de la experimentación repetida contendrán el verdadero valor del coeficiente.

Los intervalos de confianza de 100 * (1 – α)% para los coeficientes de regresión lineal son

bi±t(1α/2,np)SE(bi),

Dóndebi es la estimación del coeficiente, (SEbi) es el error estándar de la estimación del coeficiente, yt(1–α/2,np) es el percentil 100 (1 – α/2) de distribución con – grados de libertad. es el número de observaciones y es el número de coeficientes de regresión.tnpnp

Introducido en R2012a