BenktanderGibratDistribution[a,b]
表示参数为 a 和 b 的第一类 Benktander 分布.
BenktanderGibratDistribution
BenktanderGibratDistribution[a,b]
表示参数为 a 和 b 的第一类 Benktander 分布.
更多信息
- 在 Benktander Gibrat 分布中,当
时,值
的概率密度与
成正比. - BenktanderGibratDistribution 允许
和
为满足
的任意正实数. - BenktanderGibratDistribution 允许 a 和 b 为无量纲的量. »
- BenktanderGibratDistribution 可与诸如 Mean、CDF 和 RandomVariate 等函数联合使用.
背景
- BenktanderGibratDistribution[a,b] 表示一个定义在区间
上的连续统计分布,称为 Benktander–Gibrat 分布,它的两个正的参数 a、b 满足
并决定了其概率密度函数(PDF)的整体行为. 根据 a 和 b 的值,Benktander–Gibrat 分布的 PDF 可能是单调递减的,也可能是在定义域最左侧逼近潜在奇点的单峰形状. BenktanderGibratDistribution 的 PDF 尾部是“重的”(意思是说当
值较大时比指数衰减要更慢),虽然这个分布被认为是“次指数”的而不是“胖尾部”的.(这一行为可通过研究分布的 SurvivalFunction 做精确的定量分析.) - Benktander–Gibrat 分布是由瑞典精算师 Gunnar Benktander 提出的,他注意到经验的平均超限函数意味着需要一种“介于”帕累托分布和指数分布之间的分布. Benktander–Gibrat 分布最常见的应用场景是用来模拟精算科学应用中的资产损失. 此外,像 Benktander–Gibrat 这样的次指数分布在研究随机游走的性质时也非常有用. Benktander–Gibrat 分布有时候也被称为第一类 Benktander 分布,第二类分布常被称为 Benktander–Weibull 分布,在 Wolfram 语言中是由 BenktanderWeibullDistribution 实现的. 两种分布都被认为“接近”对数正态分布,因为它们的 PDF 性质上十分相似.
- RandomVariate 可被用于给出 Benktander–Gibrat 分布的一个或多个机器精度或任意精度(后者可用 WorkingPrecision 选项指定)的伪随机变量. Distributed[x,BenktanderGibratDistribution[a,b]],更简洁的写法是 xBenktanderGibratDistribution[a,b],可被用于声明随机变量 x 是 Benktander–Gibrat 分布的. 这样一个声明之后可用在如 Probability、NProbability、Expectation 以及 NExpectation 这样的函数中.
- 概率密度函数和累积分布函数可用 PDF[BenktanderGibratDistribution[a,b],x] 和 CDF[BenktanderGibratDistribution[a,b],x] 求得. 平均数、中位数、方差、原点矩及中心矩可分别用 Mean、Median、Variance、Moment 和 CentralMoment 计算.
- DistributionFitTest 可被用于测试给定的数据集是否与 Benktander–Gibrat 分布一致,EstimatedDistribution 可被用于根据给定数据估算 Benktander–Gibrat 参数化分布,而 FindDistributionParameters 可拟合数据和 Benktander–Gibrat 分布. ProbabilityPlot 可被用于生成给定数据的 CDF 相对于符号 Benktander–Gibrat 分布的 CDF 的图线,而 QuantilePlot 可被用于生成给定数据的分位数相对于符号 Benktander–Gibrat 分布的分位数的图线.
- TransformedDistribution 可被用于表示转换的 Benktander–Gibrat 分布,CensoredDistribution 可被用于表示删截后位于上限值和下限值之间的值分布,而 TruncatedDistribution 可被用于表示截断后位于上限值和下限值之间的值分布. CopulaDistribution 可被用于建立包含了 Benktander–Gibrat 分布的高维分布,而 ProductDistribution 可被用于计算包括 Benktander–Gibrat 分布在内的,若干个独立分量分布的联合分布.
- BenktanderGibratDistribution 与许多其它分布密切相关. 如前面所指出的,BenktanderGibratDistribution 和 BenktanderWeibullDistribution 属于同一个分布“族”,它们都被认为是介于 ParetoDistribution 和 ExponentialDistribution 之间的. 定性的讲,BenktanderGibratDistribution 的 PDF 和 LogNormalDistribution 的类似,这引出了 BenktanderGibratDistribution 和 NormalDistribution 及 JohnsonDistribution 两者的(性质上的)关系. ParetoDistribution 被认为是 BenktanderGibratDistribution 的极限情形,因为 BenktanderGibratDistribution[a,b] 的 PDF 在 b 趋向于 0 的时候趋向于 ParetoDistribution[1,a+1] 的 PDF. 这意味着 BenktanderGibratDistribution[a,b] 和 BenktanderWeibullDistribution[a,b] 两者的 PDF 在 b 趋向于 0 时接近同一个极限函数. 此外,与 Benktander–Gibrat 分布相关的平稳更新分布在定义域上的公式和 BeniniDistribution[a,b,1] 的 PDF 完全相同.
范例
打开所有单元 关闭所有单元基本范例 (4)
Plot[Table[PDF[BenktanderGibratDistribution[a, 3], x], {a, {3, 4, 5}}]//Evaluate, {x, 1, 1.8}, Filling -> Axis]Plot[Table[PDF[BenktanderGibratDistribution[2, b], x], {b, {.5, 1, 2}}]//Evaluate, {x, 1, 2.2}, Filling -> Axis]PDF[BenktanderGibratDistribution[a, b], x]Plot[Table[CDF[BenktanderGibratDistribution[a, 3], x], {a, {3, 4, 5}}]//Evaluate, {x, 1, 1.8}, Filling -> Axis]Plot[Table[CDF[BenktanderGibratDistribution[2, b], x], {b, {.5, 1, 2}}]//Evaluate, {x, 1, 2.}, Filling -> Axis]CDF[BenktanderGibratDistribution[a, b], x]Mean[BenktanderGibratDistribution[a, b]]Variance[BenktanderGibratDistribution[a, b]]//TogetherMedian[BenktanderGibratDistribution[2, 3]]//N范围 (8)
生成一组服从 Benktander–Gibrat 分布的伪随机数:
data = RandomVariate[BenktanderGibratDistribution[3, 3], 10 ^ 4];Show[Histogram[data, {1, 2.5, .1}, "PDF"], Plot[PDF[BenktanderGibratDistribution[3, 3], x], {x, 1, 2.5}, PlotStyle -> Thick]]sample = RandomVariate[BenktanderGibratDistribution[3.5, 4], 10 ^ 3];edist = EstimatedDistribution[sample, BenktanderGibratDistribution[a, b]]Show[Histogram[sample, {1, 2.5, 0.1}, "PDF"], Plot[PDF[edist, x], {x, 1, 2.5}, PlotStyle -> Thick]]Plot3D[Skewness[BenktanderGibratDistribution[a, b]], {a, 3, 10}, {b, 1, 3}, MeshFunctions -> {#3&}, MeshShading -> ColorData[35, "ColorList"], AxesLabel -> Automatic]Skewness[BenktanderGibratDistribution[a, b]]Plot3D[Kurtosis[BenktanderGibratDistribution[a, b]], {a, 3, 10}, {b, 1, 3}, MeshFunctions -> {#3&}, MeshShading -> ColorData[35, "ColorList"], AxesLabel -> Automatic]Kurtosis[BenktanderGibratDistribution[a, b]]FormulaGrid[list_, type_] := Grid[...]FormulaGrid[Table[Moment[BenktanderGibratDistribution[a, b], r]//Together, {r, 3}], M]Moment[BenktanderGibratDistribution[a, b], r]FormulaGrid[Table[CentralMoment[BenktanderGibratDistribution[a, b], r]//FullSimplify, {r, 3}], CM]FormulaGrid[Table[FactorialMoment[BenktanderGibratDistribution[a, b], r]//Together, {r, 3}], FM]FormulaGrid[Table[Cumulant[BenktanderGibratDistribution[a, b], r]//FullSimplify, {r, 3}], C]Plot[Table[HazardFunction[BenktanderGibratDistribution[2, b], x], {b, {0.5, 1, 2}}]//Evaluate, {x, 1, 6}, Filling -> Axis, AxesOrigin -> {1, 0}]Plot[Table[HazardFunction[BenktanderGibratDistribution[a, 0.3], x], {a, {0.5, 1, 2}}]//Evaluate, {x, 1, 6}, Filling -> Axis, AxesOrigin -> {1, 0}]HazardFunction[BenktanderGibratDistribution[a, b], x]Plot[Table[Quantile[BenktanderGibratDistribution[3, b], q], {b, {0.01, 1, 4}}]//Evaluate, {q, 0, 0.99}, Filling -> Axis]Plot[Table[Quantile[BenktanderGibratDistribution[a, 0.3], q], {a, {0.5, 1, 2}}]//Evaluate, {q, 0, 0.98}, Filling -> Axis]使用无量纲的 Quantity 来定义 BenktanderGibratDistribution:
𝒟 = BenktanderGibratDistribution[Quantity[2*1, "Dozens"], 2.5]应用 (3)
保险公司发现其索赔量(以免赔额为单位)服从 Benktander 第一类分布,其中参数
和
. 求索赔量大于2的概率:
Probability[s > 2, sBenktanderGibratDistribution[1, 0.5]]Subscript[e, BI] = Expectation[x - sx > s, xBenktanderGibratDistribution[a, b], Assumptions -> s > 1]对于较大的
,它接近于对数正态分布,也称为 Gibrat 分布:
Assuming[s > 0, Expectation[x - sx > s, xLogNormalDistribution[μ, σ]] == -s + (E^μ + (σ^2/2) Erfc[(Log[s] - μ - σ^2/Sqrt[2] σ)]/Erfc[(Log[s] - μ/Sqrt[2] σ)])//FullSimplify]-s + (E^μ + (σ^2/2) Erfc[(Log[s] - μ - σ^2/Sqrt[2] σ)]/Erfc[(Log[s] - μ/Sqrt[2] σ)]) /. Erfc[x_] -> Normal[Series[Erfc[x], {x, ∞, 1}]]//FullSimplify求与 Benktander 第一类分布相关联的稳态更新分布:
StanionaryRenewalDistribution[dist_, lb_] := ProbabilityDistribution[{"CDF", (1 - Expectation[Max[x - t, 0], xdist] / (Mean[dist] - lb))}, {t, lb, Infinity}, Assumptions -> DistributionParameterAssumptions[dist]]srdist = StanionaryRenewalDistribution[BenktanderGibratDistribution[a, b], 1]//Simplify与 BeniniDistribution 相比较:
PDF[BeniniDistribution[a, b, 1], x]//Simplify属性和关系 (3)
ParetoDistribution 是 BenktanderGibratDistribution 的极限情况:
Limit[PDF[BenktanderGibratDistribution[a, b], x], b -> 0]PDF[ParetoDistribution[1, a + 1], x]% - %%dassum = DistributionParameterAssumptions[BenktanderGibratDistribution[a, b]];Limit[Exp[c x]Refine[PDF[BenktanderGibratDistribution[a, b], x], x > 1], x -> ∞, Assumptions -> c > 0 && dassum]巧妙范例 (1)
dist = BenktanderGibratDistribution[a, 3];cdf = Function[{x, a}, Evaluate[CDF[dist, x]]];
ql = {0.025, 0.10, 0.25, 0.5, 0.75, 0.90, 0.975};
cl = Table[ColorData["Rainbow"][q], {q, Join[{0.0}, ql]}];Legended[Plot3D[PDF[dist, x], {x, 1, 2.2}, {a, 3, 7}, PlotTheme -> "Marketing", MeshFunctions -> {cdf}, Mesh -> {ql}, MeshStyle -> GrayLevel[0.8], PlotRange -> All, MeshShading -> cl, AxesLabel -> Automatic, BaseStyle -> Opacity[0.9], ImageSize -> 400], BarLegend["Rainbow", ql, LegendLabel -> "prob"]]文本
Wolfram Research (2010),BenktanderGibratDistribution,Wolfram 语言函数,https://reference.wolfram.com/language/ref/BenktanderGibratDistribution.html (更新于 2016 年).
CMS
Wolfram 语言. 2010. "BenktanderGibratDistribution." Wolfram 语言与系统参考资料中心. Wolfram Research. 最新版本 2016. https://reference.wolfram.com/language/ref/BenktanderGibratDistribution.html.
APA
Wolfram 语言. (2010). BenktanderGibratDistribution. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/BenktanderGibratDistribution.html 年
BibTeX
@misc{reference.wolfram_2026_benktandergibratdistribution, author="Wolfram Research", title="{BenktanderGibratDistribution}", year="2016", howpublished="\url{https://reference.wolfram.com/language/ref/BenktanderGibratDistribution.html}", note=[Accessed: 04-September-2026]}
BibLaTeX
@online{reference.wolfram_2026_benktandergibratdistribution, organization={Wolfram Research}, title={BenktanderGibratDistribution}, year={2016}, url={https://reference.wolfram.com/language/ref/BenktanderGibratDistribution.html}, note=[Accessed: 04-September-2026]}