BenktanderWeibullDistribution[a,b]
表示参数为 a 和 b 的第二类 Benktander 分布.
BenktanderWeibullDistribution
BenktanderWeibullDistribution[a,b]
表示参数为 a 和 b 的第二类 Benktander 分布.
更多信息
- 在 Benktander-Weibull 分布中,当
时,值
的概率密度与
成正比. - BenktanderWeibullDistribution 允许 a 为任意正实数,且
. - BenktanderWeibullDistribution 允许 a 和 b 为无量纲的量. »
- BenktanderWeibullDistribution 可与诸如 Mean、CDF 和 RandomVariate 等函数联合使用.
背景
- BenktanderWeibullDistribution[a,b] 表示一个定义在区间
上的,参数为正实数 a 和 b,并满足
的连续统计分布,Benktander–Weibull 分布. 参数 a 和 b 决定了 Benktander–Weibull 分布的概率密度函数(PDF)的整体形状,虽然对全部参数 PDF 都是单调递减,且在靠近定义域最左端可能有奇点. BenktanderWeibullDistribution 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–Weibull 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–Weibull 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–Weibull 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–Weibull 分布有时候也被称为第二类 Benktander 分布,第一类分布常被称为 Benktander–Gibrat 分布,在 Wolfram 语言中是由 BenktanderGibratDistribution 实现的. 两种分布都被认为“接近”韦伯分布,因为它们的 PDF 性质上十分相似.
- RandomVariate 可被用于给出 Benktander–Weibull 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,BenktanderWeibullDistribution[a,b]],更简洁的写法是 xBenktanderWeibullDistribution[a,b],可被用于声明随机变量 x 是 Benktander–Weibull 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[BenktanderWeibullDistribution[a,b],x] 和 CDF[BenktanderWeibullDistribution[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–Weibull 分布一致,EstimatedDistribution 可被用于根据给定数据估算 Benktander–Weibull 参数化分布,而 FindDistributionParameters 可拟合数据和 Benktander–Weibull 分布. ProbabilityPlot 可被用于生成给定数据的 CDF 相对于符号 Benktander–Weibull 分布的 CDF 的图线,而 QuantilePlot 可被用于生成给定数据分位数相对于符号 Benktander–Weibull 分布分位数的图线.
- TransformedDistribution 可被用于表示转换的 Benktander–Weibull 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–Weibull 分布的高维分布,而 ProductDistribution 可被用于计算包括 Benktander–Weibull 分布在内的,若干个独立分量分布的联合分布.
- BenktanderWeibullDistribution 与许多其它分布密切相关. 如前面所指出的,BenktanderWeibullDistribution 和 BenktanderGibratDistribution 属于同一个分布"族",即它们都被认为是介于 ParetoDistribution 和 ExponentialDistribution 之间的. 定性的讲,BenktanderWeibullDistribution 的 PDF 和 WeibullDistribution的类似,这引出了 BenktanderWeibullDistribution 和许多其它分布间的关系,包括 GammaDistribution、RayleighDistribution、MaxStableDistribution、MinStableDistribution、ExtremeValueDistribution、GumbelDistribution 和 FrechetDistribution. BenktanderWeibullDistribution[a,1] 是 ExponentialDistribution[a] 的删节版,这是因为前者相对于 x 的 PDF 精确等于 PDF[TruncatedDistribution[{1,Infinity},ExponentialDistribution[a]],x]. 同样的,BenktanderWeibullDistribution 可被认为是移动后的 ExponentialDistribution. ParetoDistribution 被认为是 BenktanderWeibullDistribution 的极限情形,因为 BenktanderWeibullDistribution[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 BenktanderWeibullDistribution[a,b] 和 BenktanderGibratDistribution[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–Weibull 相关的平稳更新分布的生存函数在定义域内的公式与截断的韦伯分布 TruncatedDistribution[{1,∞},WeibullDistribution[b,(b/a)1/b]] 的生存函数完全相同.
范例
打开所有单元 关闭所有单元基本范例 (4)
Plot[Table[PDF[BenktanderWeibullDistribution[a, 0.5], x], {a, {0.5, 1, 2}}]//Evaluate, {x, 1, 3}, Filling -> Axis]Plot[Evaluate@Table[PDF[BenktanderWeibullDistribution[0.5, b], x], {b, {0.1, 0.5, 0.7}}], {x, 1, 3}, Filling -> Axis]PDF[BenktanderWeibullDistribution[a, b], x]Plot[Table[CDF[BenktanderWeibullDistribution[a, 0.5], x], {a, {0.5, 1, 2}}]//Evaluate, {x, 1, 3}, Filling -> Axis]Plot[Table[CDF[BenktanderWeibullDistribution[0.5, b], x], {b, {0.1, 0.5, 0.7}}]//Evaluate, {x, 1, 3}, Filling -> Axis]CDF[BenktanderWeibullDistribution[a, b], x]Mean[BenktanderWeibullDistribution[a, b]]Variance[BenktanderWeibullDistribution[a, b]]Median[BenktanderWeibullDistribution[a, b]]范围 (8)
生成一组服从 Benktander-Weibull 分布的伪随机数样本:
data = RandomVariate[BenktanderWeibullDistribution[2, 0.4], 10 ^ 4];Show[
Histogram[data, {1, 3, 0.2}, "PDF"],
Plot[PDF[BenktanderWeibullDistribution[2, 0.4], x], {x, 1, 3}, PlotStyle -> Thick]]sample = RandomVariate[BenktanderWeibullDistribution[4, .3], 10 ^ 3];edist = EstimatedDistribution[sample, BenktanderWeibullDistribution[a, b]]Show[Histogram[sample, {1, 2.5, 0.1}, "PDF"], Plot[PDF[edist, x], {x, 1, 2}, PlotStyle -> Thick]]Plot3D[Skewness[BenktanderWeibullDistribution[a, b]], {a, 0, 10}, {b, 0, 1}, MeshFunctions -> {#3&}, MeshShading -> ColorData[35, "ColorList"], AxesLabel -> Automatic, ViewPoint -> {-3, -1, 1}]Skewness[BenktanderWeibullDistribution[a, b]]Plot3D[Kurtosis[BenktanderWeibullDistribution[a, b]], {a, 0, 10}, {b, 0, 1}, MeshFunctions -> {#3&}, MeshShading -> ColorData[35, "ColorList"], AxesLabel -> Automatic, ViewPoint -> {3, -1, 2}]Kurtosis[BenktanderWeibullDistribution[a, b]]FormulaGrid[list_, type_] := Grid[...]FormulaGrid[Table[Moment[BenktanderWeibullDistribution[a, b], r]//Together, {r, 3}], M]Moment[BenktanderWeibullDistribution[a, b], r]FormulaGrid[Table[CentralMoment[BenktanderWeibullDistribution[a, b], r]//FullSimplify, {r, 3}], CM]FormulaGrid[Table[FactorialMoment[BenktanderWeibullDistribution[a, b], r]//FullSimplify, {r, 3}], FM]FormulaGrid[Table[Cumulant[BenktanderWeibullDistribution[a, b], r]//FullSimplify, {r, 3}], C]Plot[Table[HazardFunction[BenktanderWeibullDistribution[a, .4], x], {a, {1, 2, 3}}]//Evaluate, {x, 1, 4}, Filling -> Axis, AxesOrigin -> {1, 0}]Plot[Table[HazardFunction[BenktanderWeibullDistribution[4, b], x], {b, {.1, .5, .7}}]//Evaluate, {x, 1, 3}, Filling -> Axis, AxesOrigin -> {1, 1}]HazardFunction[BenktanderWeibullDistribution[a, b], x]Plot[Table[Quantile[BenktanderWeibullDistribution[a, .4], q], {a, {1, 2, 3}}]//Evaluate, {q, 0, 1}, Filling -> Axis]Plot[Table[Quantile[BenktanderWeibullDistribution[.1, b], q], {b, {.1, .5, .7}}]//Evaluate, {q, 0, 1}, Filling -> Axis]Quantile[BenktanderWeibullDistribution[a, b], q]使用无量纲的 Quantity 来定义 BenktanderWeibullDistribution:
𝒟 = BenktanderWeibullDistribution[Quantity[2*1, "Dozens"], 19]应用 (2)
Subscript[e, BII] = Expectation[x - sx > s, xBenktanderWeibullDistribution[a, b], Assumptions -> s > 1]Expectation[x - sx > s, xWeibullDistribution[β, α], Assumptions -> s > 1]% /. Exp[x_]Gamma[a_, x_] -> (Series[Exp[x]Gamma[a, x], {x, ∞, 2}]//Normal)//PowerExpand//Simplify求与 Benktander 第二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[BenktanderWeibullDistribution[a, b], 1]//SimplifySurvivalFunction[srdist, x]//FullSimplify与一个被删截的 WeibullDistribution 比较:
SurvivalFunction[TruncatedDistribution[{1, ∞}, WeibullDistribution[b, (b / a) ^ (1 / b)]], x]//PowerExpand//FullSimplify% - %%属性和关系 (5)
对于
,BenktanderWeibullDistribution 是亚指数的:
Limit[Exp[c x]Refine[PDF[BenktanderWeibullDistribution[a, b], x], x > 1], x -> ∞, Assumptions -> c > 0 && a > 0 && 0 < b < 1]
当
时,Benktander 第二类分布简化为一个被删截的 ExponentialDistribution:
PDF[BenktanderWeibullDistribution[a, 1], x]PDF[TruncatedDistribution[{1, Infinity}, ExponentialDistribution[a]], x]FullSimplify[% - %%, x > 1]经过平移的 ExponentialDistribution 是一个 Benktander 第二类分布:
TransformedDistribution[u + 1, uExponentialDistribution[λ]]ParetoDistribution 是 Benktander 第二类分布的一个极限情况:
Limit[PDF[BenktanderWeibullDistribution[a, b], x], b -> 0]PDF[ParetoDistribution[1, a + 1], x]% - %%巧妙范例 (1)
dist = BenktanderWeibullDistribution[a, 0.5];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, 2.4}, {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),BenktanderWeibullDistribution,Wolfram 语言函数,https://reference.wolfram.com/language/ref/BenktanderWeibullDistribution.html (更新于 2016 年).
CMS
Wolfram 语言. 2010. "BenktanderWeibullDistribution." 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/BenktanderWeibullDistribution.html.
APA
Wolfram 语言. (2010). BenktanderWeibullDistribution. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/BenktanderWeibullDistribution.html 年
BibTeX
@misc{reference.wolfram_2026_benktanderweibulldistribution, author="Wolfram Research", title="{BenktanderWeibullDistribution}", year="2016", howpublished="\url{https://reference.wolfram.com/language/ref/BenktanderWeibullDistribution.html}", note=[Accessed: 09-August-2026]}
BibLaTeX
@online{reference.wolfram_2026_benktanderweibulldistribution, organization={Wolfram Research}, title={BenktanderWeibullDistribution}, year={2016}, url={https://reference.wolfram.com/language/ref/BenktanderWeibullDistribution.html}, note=[Accessed: 09-August-2026]}