# betafit
Bete 参数估计
函数库: TyStatistics
# 语法
phat, = betafit(data)
phat,pci = betafit(data,alpha)
# 说明
phat = betafit(data) 通过向量 data 的数据算出 Beta 分布参数 a,b 分布极大似然估计,返回 包含 a,b 估计值的列向量，其中 beta cdf 通过公式
B(a,b) 是 Beta 函数。 数据元素必须位于定义了 beta 分布的开区间 (0, 1) 中。 但是，有时还需要将 beta 分布拟合到包含精确零或一的数据。 对于此类数据，beta 似然函数是无界的，标准的最大似然估计是不可能的。 在这种情况下，betafit 通过将它们视为分别在 sqrt(realmin) 处左删失或在 1-eps/2 处右删失的值来最大化包含零或一的修改后的可能性。
phat,pci = betafit(data,alpha) 返回 2×2 矩阵 pci 中 a 和 b 参数的置信区间。 矩阵的第一列包含参数 a 的置信下限和上限，第二列包含参数 b 的置信区间。 可选输入参数 alpha 是 [0, 1] 范围内的值，指定置信区间的宽度。 默认情况下，alpha 为 0.05，对应于 95% 的置信区间。 置信区间基于参数估计的对数分布的正态近似值。
# 示例
此示例生成 100 个 beta 分布观测值。 真正的 a 和 b 参数分别为 4 和 3。 将这些与 beta 拟合在 p 中返回的值进行比较。 请注意， ci 的列都包含真正的参数。
using TyStatistics
data = betarnd(4,3,100,1);
p,ci = betafit(data,0.01)
p =
1×2 Matrix{Float64}:
5.14707 3.49324
ci =
2×2 Matrix{Float64}:
3.68425 2.49755
7.19071 4.88586
# 另请参阅
betapdf | betainv | betastat | betalike| betarnd | betacdf