有没有人知道如何在Matlab中使用dfittool来区分分布（即它们的拟合度）？在我前一节课中，我们学习了对数似然参数以及如何比较适合高斯与伽玛等的PDF格式。但是现在，所有在线的matlab帮助文件都像＃34;它意味着什么。 ＃34;任何援助将不胜感激。基本上，我需要解释＆＃34;结果＆＃34; in＆＃34;编辑适合＆＃34; dfittool。我希望能够从结果中将我的dfits相互比较，所以我可以选择最适合我的分析。我不知道-111对-105的对数可能性之间有什么区别。
以下示例：
Distribution: Normal
Log likelihood: -110.954
Domain: -Inf < y < Inf
Mean: 101.443
Variance: 436.332
Parameter Estimate Std. Err.
mu 101.443 4.17771
sigma 20.8886 3.04691
Estimated covariance of parameter estimates:
mu sigma
mu 17.4533 6.59643e-15
sigma 6.59643e-15 9.28366
谢谢！
答案 0 :(得分：0)
（Log）似然度是分布与数据拟合的度量，因此简单的答案是：具有最大可能性的分布是最适合的分布。但是，您在这里作为输出得到的是最大化可能性，即那些参数值最大的可能性。不同的分布族可能是不同的＆＃34;灵活的＆＃34;，因此通常使用其中一个更容易获得更大的可能性，因此这限制了可比性。如果您比较具有不同参数数量的族，则尤其如此。对此的解决方法是使用正式模型比较，例如使用Bayes factor，但数学上要复杂得多，或者近似为Bayesian information criterion。
然而，更一般地说，随机选择分布并看看它们的适合程度很少是一个好主意。最好有一些至少部分理论上有动机的想法为什么分布是候选人。在最基本的层面上，这意味着考虑其定义范围：正态分布是在整个实线上定义的，伽马分布仅针对非负实数。这样就可以根据数据的基本属性来排除其中一个。