Предположим, у меня есть набор одномерных данных, хранящихся в массиве errors
.
Я хотел бы подогнать PDF к моему наблюдаемому распределению данных.
Мой PDF определен в функции poissvmwalkpdf
, строка определения которой выглядит так:
function p = poissvmwalkpdf(theta, mu, kappa, xi)
Здесь theta
— это ошибка (переменная, для которой значения в errors
являются экземплярами), а mu
, kappa
и xi
— это параметры PDF, для которых я хочу найти наилучшее соответствие, используя оценку максимального правдоподобия. Эта функция возвращает плотность вероятности при заданном значении theta
.
Учитывая все это, как мне использовать fminsearch
, чтобы найти значения для mu
, kappa
и xi
, которые лучше всего соответствуют моему наблюдаемому errors
? В документации fminsearch
это не проясняется. Ни один из примеров в документации не является примерами распределения.
Примечание. В учебнике здесь четко описывается что такое подгонка распределения (в отличие от подгонки кривой), но в приведенном примере не используется fminsearch
.
fminsearch
, и вы могли бы получить что-то приличное, но, вероятно, он не вернет статистически наиболее вероятные параметры. - person horchler   schedule 12.03.2016fminsearch
для получения соответствия MLE между моим PDF и моими данными? вы, кажется, утверждаете, чтоfminsearch
не может этого сделать, но это общая функция минимизации. это может свести к минимуму отрицательную логарифмическую вероятность. - person dbliss   schedule 12.03.2016