SinghMaddalaDistribution

SinghMaddalaDistribution[q,a,b]
形状母数 qa,尺度母数 b のSinghMaddala分布を表す.

詳細詳細

予備知識
予備知識

  • SinghMaddalaDistribution[q,a,b]は,区間上でサポートされ,正の実数 qab (順に,2つの形状母数と尺度母数)によってパラメータ化された連続統計分布を表す.これらの母数は,ともに,確率密度関数(PDF)の全体的な動作を決定する.SinghMaddala分布のPDFは,qab の値によって,単一の「峰」(大域的最大値)を持つ単峰性,潜在的特異値が領域の下限に値が付く単調減少を含むさまざまの形を取る.さらに,PDFの裾部はPDFが の大きい値について指数的というよりもむしろ代数的に減少するという意味で「太い」(この動作は分布のSurvivalFunctionを分析することで数量的に厳密にすることができる).SinghMaddala分布は,ときにBurr XII分布あるいはBurr分布と呼ばれることがあり,一般化された対数ロジスティック分布(LogLogisticDistributionと混同してはならない)と呼ばれる数多くの分布の一つである.
  • SinghMaddala分布は,1940年代の初めにI. W. Burrによって発見され,1970年代にS. K. SinghおよびG. S. Maddalaによって,所得分布のモデル化におけるガンマ分布(GammaDistribution)および対数正規分布 (LogNormalDistribution)の代替物として再発見された.それ以来,SinghMaddala分布は経済学および計量経済学におけるさまざまな金融現象のモデル化のために偏在的に使用されてきており,保険数理,モンテカルロ理論,出版,社会学などの分野におけるツールとしても使われている.
  • RandomVariateを使って,SinghMaddala分布から,1つあるいは複数の機械精度あるいは任意精度(後者はWorkingPrecisionオプションを介す)の擬似乱数変量を得ることができる.Distributed[x,SinghMaddalaDistribution[q,a,b]](より簡略な表記では xSinghMaddalaDistribution[q,a,b])を使って,確率変数 x がSinghMaddala分布に従って分布していると宣言することができる.このような宣言は,ProbabilityNProbabilityExpectationNExpectation等の関数で使うことができる.
  • 確率密度関数および累積分布関数は,PDF[SinghMaddalaDistribution[q,a,b],x]およびCDF[SinghMaddalaDistribution[q,a,b],x]を使って得られる.平均,中央値,分散,原点の周りのモーメント,中心モーメントは,それぞれMeanMedianVarianceMomentCentralMomentを使って計算することができる.
  • DistributionFitTestを使って,与えられたデータ集合がSinghMaddala分布と一致するかどうかを検定することが,EstimatedDistributionを使って与えられたデータからパラメトリックSinghMaddala分布を推定することが,FindDistributionParametersを使ってデータをSinghMaddala分布にフィットすることができる.ProbabilityPlotを使って記号SinghMaddala分布のCDFに対する与えられたデータのCDFのプロットを生成することが,QuantilePlotを使って記号SinghMaddala分布の変位値に対する与えられたデータの変位値のプロットを生成することができる.
  • TransformedDistributionを使って変換されたSinghMaddala分布を表すことが,CensoredDistributionを使って上限値と下限値の間で切り取られた値の分布を表すことが,TruncatedDistributionを使って上限値と下限値の間で切断された値の分布を表すことができる.CopulaDistributionを使ってSinghMaddala分布を含む高次元分布を構築することが,ProductDistributionを使ってSinghMaddala分布を含む独立成分分布の結合分布を計算することができる.
  • SinghMaddalaDistributionは.他の多くの分布と関連している.SinghMaddalaDistributionLogLogisticDistributionを一般化し(SinghMaddalaDistribution[1,γ,σ]のPDFは厳密にLogLogisticDistribution[γ,σ])のそれと等しい),BetaPrimeDistributionによって一般化され(SinghMaddalaDistribution[q,a,b]のPDFは,厳密に,BetaPrimeDistribution[1,q,a,b]のそれである),DagumDistributionを変換(TransformedDistribution)したものである.SinghMaddalaDistributionは,BetaDistributionParetoDistributionPearsonDistributionGammaDistributionWeibullDistributionLogNormalDistributionとも密接な関係がある.

例題例題すべて開くすべて閉じる

  (4)  (4)

確率密度関数:

In[1]:=
Click for copyable input
Out[1]=
In[2]:=
Click for copyable input
Out[2]=
In[3]:=
Click for copyable input
Out[3]=
In[4]:=
Click for copyable input
Out[4]=

累積分布関数:

In[1]:=
Click for copyable input
Out[1]=
In[2]:=
Click for copyable input
Out[2]=
In[3]:=
Click for copyable input
Out[3]=
In[4]:=
Click for copyable input
Out[4]=

平均と分散はすべての母数値に対しては定義されないこともある:

In[1]:=
Click for copyable input
Out[1]=
In[2]:=
Click for copyable input
Out[2]=

中央値:

In[1]:=
Click for copyable input
Out[1]=
2010年に導入
(8.0)
| 2016年に修正
(10.4)