FrechetDistribution
FrechetDistribution[α,β]
表示形状参数为 α、尺度参数为 β 的 Fréchet 分布.
FrechetDistribution[α,β,μ]
表示形状参数为 α、尺度参数为 β、位置参数为 μ 的 Fréchet 分布.
更多信息
- Fréchet 分布给出诸如柯西分布的分布样本中最大值的渐进分布.
- FrechetDistribution 也称为第二类极值分布.
- 在 Fréchet 分布中,当 时,值 的概率密度与 成正比,否则为零.
- 在具有位置参数的情况下,在 Fréchet 分布中,当 时,值 的概率密度与 成正比,否则为零.
- FrechetDistribution 允许 α 和 β 为任意正实数,μ 为任意实数.
- FrechetDistribution 允许 β 和 μ 为任意相同单位维度的量,并允许 α 为无量纲量. »
- FrechetDistribution 可与 Mean、CDF 和 RandomVariate 等函数联合使用.
背景
- FrechetDistribution[α,β,μ] 表示在区间 上的连续统计分布,由实数 μ(称为“位置参数”)和两个正实数 α 和 β(称为“形状参数”)参数化. Fréchet 分布的概率密度函数(PDF)是单峰的,其中参数 μ 决定概率密度函数的水平位移,参数 α 和 β 决定了概率密度函数的整体高度和尖锐度. 另外,概率密度函数的尾部是“瘦”的,也即概率密度函数随着较大的 值指数级降低. (这种行为可以通过分析分布的 SurvivalFunction 精确定量.)Fréchet 分布有时候称为类型 II 极值分布(不要与极值分布混淆,在 Wolfram 语言中以 ExtremeValueDistribution 实现).
- FrechetDistribution 是一般归类为“极值分布”的四个分布(另外三个 GumbelDistribution、ExtremeValueDistribution 和 WeibullDistribution)之一,可用作对极端或者稀有事件定量的工具. 以法国数学家 Maurice René Frechét 命名,Frechét 分布在1920年代后期引入,作为最大次序统计量的可能极限分布(例如根据一些其他分布的样本最大值的可能渐进分布). 从出现开始,Fréchet 分布已经用于对现实现象建模,包括人类寿命、辐射、洪灾和潮汐分析以及一天最大降雨量分析.
- RandomVariate 可用于给出一个或多个机器精度或任意精度(后者通过 WorkingPrecision 选项)的 Fréchet 分布的伪随机变元. Distributed[x,FrechetDistribution[α,β,μ]],更简洁的表示为 xFrechetDistribution[α,β,μ],可用于声明随机变量 x 服从 Fréchet 分布. 然后这类声明可用于诸如 Probability、NProbability、Expectation 和 NExpectation 等函数中.
- 概率密度和累积分布函数可以通过使用 PDF[FrechetDistribution[α,β,μ],x] 和 CDF[FrechetDistribution[α,β,μ],x] 给出. 均值、中位数、方差、原始矩和中心矩可以分别使用 Mean、Median、Variance、Moment 和 CentralMoment 计算.
- DistributionFitTest 可用于检验给定的数据集是否与 Fréchet 分布相一致,EstimatedDistribution 可用于通过给定数据估计 Fréchet 参数分布,而 FindDistributionParameters 可用于将数据拟合为 Fréchet 分布. ProbabilityPlot 可用于生成已知数据相对于符号式 Fréchet 分布的 CDF 图形,而 QuantilePlot 可用于生成已知数据相对于符号式 Fréchet 分布的分位数的分位数图形.
- TransformedDistribution 可用于表示 Fréchet 分布的变换,CensoredDistribution 可用于表示在上限和下限值之间删失值的分布,TruncatedDistribution 可用于表示在上限和下限值之间截断值的分布. CopulaDistribution 可用于构建包含 Fréchet 分布的更高维分布,而 ProductDistribution 可用于计算独立分量分布涉及 Fréchet 分布的联合分布.
- Fréchet 分布与若干其他分布密切相关. 正如前面提到的,FrechetDistribution 与 ExtremeValueDistribution、GumbelDistribution 和 WeibullDistribution 存在定性关系. 由于 FrechetDistribution[α,β] 的概率密度函数与 TransformedDistribution[β2/z,zWeibullDistribution[α,β]] 完全相同,这些关系可以定量,并且 WeibullDistribution 可以写作 ExtremeValueDistribution 和 GumbelDistribution 的变换. FrechetDistribution[α,β] 的概率密度函数在适当的变换和假定下与 MaxStableDistribution[β,β/α,1/α] 和 MinStableDistribution[-β,β/α,1/α] 相同,并且可以在适当的变换链下从 UniformDistribution 获得. FrechetDistribution 也与 ExpGammaDistribution、ExponentialDistribution 和 LogisticDistribution 相关.
范例
打开所有单元关闭所有单元范围 (8)
Quantity 在参数中的一致使用产生 QuantityDistribution:
应用 (2)
据一项研究显示,火山喷发的年度最大火山灰(固体物质)的量服从 FrechetDistribution,其中形状参数为 0.71,而尺度参数为6.3,以立方公里为单位:
FrechetDistribution 可以用来对年度最大风速进行建模:
属性和关系 (8)
当平移并且使用一个正因子为比例进行缩放时,新生成的分布仍然是 Fréchet 分布:
对于取自 Frechet 分布的样本,其最大值所对应的分布族仍然是 FrechetDistribution:
FrechetDistribution 的 CDF 求解最大稳定公设方程:
Fréchet 分布是 WeibullDistribution 的一个变换:
Fréchet 分布与 MaxStableDistribution 相关:
Fréchet 分布与 MinStableDistribution 相关:
文本
Wolfram Research (2010),FrechetDistribution,Wolfram 语言函数,https://reference.wolfram.com/language/ref/FrechetDistribution.html (更新于 2016 年).
CMS
Wolfram 语言. 2010. "FrechetDistribution." 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/FrechetDistribution.html.
APA
Wolfram 语言. (2010). FrechetDistribution. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/FrechetDistribution.html 年