HyperbolicDistribution
✖
HyperbolicDistribution
詳細

- 双曲線分布における値
の確率密度は
に比例する.
- 一般化された双曲線分布における値
の確率密度は
に比例する.
- HyperbolicDistributionでは,α と δ は任意の正の実数でよく,λ と μ は任意の実数でよく,β は
を満たす.
- HyperbolicDistributionでは,α と β は単位次元が等しい任意の数量でよく,μ,δ,λ は α μ,α δ,λ 無次元になるような数量でよい. »
- HyperbolicDistributionは,Mean,CDF,RandomVariate等の関数とともに使うことができる.
予備知識
- HyperbolicDistribution[λ,α,β,δ,μ]は,実数集合上で定義され正の実数 α(「形状母数」)および δ(「尺度母数」),および実数 λ(第2「形状母数」),μ(「位置母数」),
を満足する実数 β(「歪度母数」)によってパラメータ化された連続統計分布を表す.全体として,双曲線分布の確率密度関数(PDF)は滑らかで単峰型であるが,PDFグラフの特定の特性(水平位置,高さ,傾きの程度,凹面等)はさまざまな母数の値によって決定される.いわゆる形状母数の δ および λ は,PDFの形状に対してはっきりと異なるが同じような影響を与え,両者が組み合されてグラフの峰の周囲におけるPDFの集中度やPDFと
軸の近さ等を決定することは注目に値する.これに加え,双曲線分布のPDFの裾部は,PDFが
の大きい値については指数的に減少するがガウス分布(NormalDistributionを参照のこと)よりはゆっくり減少するという意味で「やや重い」.5つの母数を持ったHyperbolicDistributionは一般化された双曲線分布と呼ばれることがあるのに対し,4つの母数のHyperbolicDistribution[α,β,δ,μ] はHyperbolicDistribution[1,α,β,δ,μ]に等しく,一般に「双曲線分布」という場合はこれを指す.
- 双曲線分布の理論的な出発点は,1940年代初頭の博識なイギリス人であるR. A. Bagnoldまで遡ることができるが,デンマーク人の統計学者であるOle Barndorff-Nielsenによって実際に確率分布として確立されたのは,それからほぼ35年後の1970年代後半のことである.双曲線分布は,そのPDFの対数が双曲線であることによって特徴付けられる.双曲線分布は,特定の定性的情報以外が未知である理論分布の近似のために幅広く使われている.放物線分布および一般化された超幾何学分布の現実世界における最も基本的な使用例には,金融および株式における利益,株価変動,ポートフォリオのリスク,一般的な市場動向のモデル化が挙げられる.双曲線分布は,乱気流の風速や風に吹かれた砂の動き等の測定にも使われてきた.
- RandomVariateを使って,双曲線分布から,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,HyperbolicDistribution[λ,α,β,δ,μ]](より簡略すると xHyperbolicDistribution[λ,α,β,δ,μ])を使って,確率変数 x が,双曲線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,Probability,NProbability,Expectation,NExpectation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[HyperbolicDistribution[λ,α,β,δ,μ],x]およびCDF[HyperbolicDistribution[λ,α,β,δ,μ],x]を使って得られることがある.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Mean,Median,Variance,Moment,CentralMoment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双曲線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双曲線パラメトリック分布を推定することが,FindDistributionParametersを使ってデータを双曲線分布にフィットすることができる.ProbabilityPlotを使って記号双曲線分布の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を使って記号双曲線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双曲線分布を表すことが,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を使って双曲線分布を含む高次元分布を構築することが,ProductDistributionを使って双曲線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.
- HyperbolicDistributionは,他の数多くの分布と密接に関連している.例えば,その一般性のゆえに,HyperbolicDistributionはLaplaceDistribution,StudentTDistribution,NormalDistribution,InverseGaussianDistribution,GammaDistribution,VarianceGammaDistribution,CauchyDistribution等の分布を,特殊なケースまたは極限のケースとして含んでいる.一般化されたHyperbolicDistributionは,また,HyperbolicDistribution[λ,α,β,δ,μ]のPDFがParameterMixtureDistribution[NormalDistribution[μ+β u,
],u InverseGaussianDistribution[δ/
,δ2,λ]]のそれと厳密に等しいという意味で,NormalDistributionおよびInverseGaussianDistributionの母数混合(ParameterMixtureDistributionを参照のこと)と見ることができる.HyperbolicDistributionは,ChiDistribution,ChiSquareDistribution,FRatioDistribution,HalfNormalDistributionとも関連している.
例題
すべて開くすべて閉じる例 (6)基本的な使用例

https://wolfram.com/xid/0bh147wk89he92-9llvvn


https://wolfram.com/xid/0bh147wk89he92-geraqo


https://wolfram.com/xid/0bh147wk89he92-mu25r4


https://wolfram.com/xid/0bh147wk89he92-d55nzp


https://wolfram.com/xid/0bh147wk89he92-xi7pf5


https://wolfram.com/xid/0bh147wk89he92-l8rofy


https://wolfram.com/xid/0bh147wk89he92-ttndhr


https://wolfram.com/xid/0bh147wk89he92-vgnu2i


https://wolfram.com/xid/0bh147wk89he92-s63qkg


https://wolfram.com/xid/0bh147wk89he92-ptvj8v


https://wolfram.com/xid/0bh147wk89he92-m907xd


https://wolfram.com/xid/0bh147wk89he92-bq542m

スコープ (10)標準的な使用例のスコープの概要

https://wolfram.com/xid/0bh147wk89he92-0uu3ss

https://wolfram.com/xid/0bh147wk89he92-vdtzwq


https://wolfram.com/xid/0bh147wk89he92-45b7g2

https://wolfram.com/xid/0bh147wk89he92-epi747

サンプルの密度ヒストグラムを推定分布の確率密度関数と比較する:

https://wolfram.com/xid/0bh147wk89he92-f8ui5o


https://wolfram.com/xid/0bh147wk89he92-8nrew


https://wolfram.com/xid/0bh147wk89he92-fzzss9


https://wolfram.com/xid/0bh147wk89he92-ke63qk


https://wolfram.com/xid/0bh147wk89he92-br8r0s


https://wolfram.com/xid/0bh147wk89he92-js043h

https://wolfram.com/xid/0bh147wk89he92-rx074o


https://wolfram.com/xid/0bh147wk89he92-pknsqa


https://wolfram.com/xid/0bh147wk89he92-zg9ct4


https://wolfram.com/xid/0bh147wk89he92-9gzmth


https://wolfram.com/xid/0bh147wk89he92-nvil6w


https://wolfram.com/xid/0bh147wk89he92-rc97md


https://wolfram.com/xid/0bh147wk89he92-1ls7ux


https://wolfram.com/xid/0bh147wk89he92-nq5gh8


https://wolfram.com/xid/0bh147wk89he92-zb8rt1


https://wolfram.com/xid/0bh147wk89he92-r6f1a7

母数でQuantityを一貫して使うとQuantityDistributionが与えられる:

https://wolfram.com/xid/0bh147wk89he92-nh365s

https://wolfram.com/xid/0bh147wk89he92-s2k2gk

アプリケーション (5)この関数で解くことのできる問題の例
天然ダイヤモンドの直径(ミリメートル)の対数は,母数が,
,
,
でHyperbolicDistributionに従う:

https://wolfram.com/xid/0bh147wk89he92-c5bng8

https://wolfram.com/xid/0bh147wk89he92-quktc

https://wolfram.com/xid/0bh147wk89he92-g296yu


https://wolfram.com/xid/0bh147wk89he92-fwzgwi

正規逆ガウス(NIG)分布はHyperbolicDistributionの特殊ケースである:

https://wolfram.com/xid/0bh147wk89he92-bt40o8

https://wolfram.com/xid/0bh147wk89he92-b92klk

このため,正規逆ガウス分布の変量の総和もまた正規逆ガウス分布に従う:

https://wolfram.com/xid/0bh147wk89he92-510ax

2005年からのS&P 500指数の日々の対数収益率を正規逆ガウス分布にフィットする:

https://wolfram.com/xid/0bh147wk89he92-d7x402

https://wolfram.com/xid/0bh147wk89he92-ef4yyh


https://wolfram.com/xid/0bh147wk89he92-cz7d7o

分散ガンマ(Variance-gamma)分布[このデモンストレーションを参照のこと]は についての
の極限のケースである:

https://wolfram.com/xid/0bh147wk89he92-c8dyjs

https://wolfram.com/xid/0bh147wk89he92-76ko3

https://wolfram.com/xid/0bh147wk89he92-qkwega

組込みのVarianceGammaDistributionの確率密度関数と比較する:

https://wolfram.com/xid/0bh147wk89he92-fq1fpv


https://wolfram.com/xid/0bh147wk89he92-ja8ava


https://wolfram.com/xid/0bh147wk89he92-mxdwi6

一般化された双曲線(GH)歪 分布は
の極限において求められる:

https://wolfram.com/xid/0bh147wk89he92-bsj9k

https://wolfram.com/xid/0bh147wk89he92-efnzgk

一般化された双曲線歪 分布はまた母数を組み合せて表現することもできる:

https://wolfram.com/xid/0bh147wk89he92-b8yrq1

https://wolfram.com/xid/0bh147wk89he92-ec25x2


https://wolfram.com/xid/0bh147wk89he92-bh9y4u


https://wolfram.com/xid/0bh147wk89he92-5bned


https://wolfram.com/xid/0bh147wk89he92-o78xjz

アメリカ合衆国の都市や町村の人口の対数はHyperbolicDistributionでモデル化することができる:

https://wolfram.com/xid/0bh147wk89he92-bogmpv

https://wolfram.com/xid/0bh147wk89he92-ch20yl

https://wolfram.com/xid/0bh147wk89he92-dugf56

人口対数をHyperbolicDistributionにフィットする:

https://wolfram.com/xid/0bh147wk89he92-eqdffl

https://wolfram.com/xid/0bh147wk89he92-ftna4x

データのヒストグラムをフィットされた密度プロットと比較する:

https://wolfram.com/xid/0bh147wk89he92-c9y05

特性と関係 (9)この関数の特性および他の関数との関係

https://wolfram.com/xid/0bh147wk89he92-6w68us


https://wolfram.com/xid/0bh147wk89he92-gh52pz


https://wolfram.com/xid/0bh147wk89he92-bl2ykz


https://wolfram.com/xid/0bh147wk89he92-beshfk


https://wolfram.com/xid/0bh147wk89he92-viqjs6

確率密度関数の対数は行列式の条件がである一般化された双曲線方程式
として書くことができる:

https://wolfram.com/xid/0bh147wk89he92-eo79ge


https://wolfram.com/xid/0bh147wk89he92-l7ayxb


https://wolfram.com/xid/0bh147wk89he92-r0zqow



https://wolfram.com/xid/0bh147wk89he92-qo8iwl


https://wolfram.com/xid/0bh147wk89he92-guesso


https://wolfram.com/xid/0bh147wk89he92-lnpb3s

一般化された双曲線関数はNormalDistributionとInverseGaussianDistributionを変換したものである:

https://wolfram.com/xid/0bh147wk89he92-dgg6mj

これは,ParameterMixtureDistributionとしても解釈できる:

https://wolfram.com/xid/0bh147wk89he92-c1sbnm

https://wolfram.com/xid/0bh147wk89he92-tgvk99


https://wolfram.com/xid/0bh147wk89he92-ez8075


https://wolfram.com/xid/0bh147wk89he92-dnbhjl

CauchyDistributionは,かつ
であるなら,
の特異極限である:

https://wolfram.com/xid/0bh147wk89he92-zaivr


https://wolfram.com/xid/0bh147wk89he92-t0i98t


https://wolfram.com/xid/0bh147wk89he92-864usd

NormalDistributionは, かつ
であるなら,
の極限状態である:

https://wolfram.com/xid/0bh147wk89he92-b1jazy


https://wolfram.com/xid/0bh147wk89he92-mu1v5w


https://wolfram.com/xid/0bh147wk89he92-opm24h

LaplaceDistributionは,かつ
であるなら,
の極限状態である:

https://wolfram.com/xid/0bh147wk89he92-bp13cv


https://wolfram.com/xid/0bh147wk89he92-o9nydr


https://wolfram.com/xid/0bh147wk89he92-ceglxf

Wolfram Research (2010), HyperbolicDistribution, Wolfram言語関数, https://reference.wolfram.com/language/ref/HyperbolicDistribution.html (2016年に更新).
テキスト
Wolfram Research (2010), HyperbolicDistribution, Wolfram言語関数, https://reference.wolfram.com/language/ref/HyperbolicDistribution.html (2016年に更新).
Wolfram Research (2010), HyperbolicDistribution, Wolfram言語関数, https://reference.wolfram.com/language/ref/HyperbolicDistribution.html (2016年に更新).
CMS
Wolfram Language. 2010. "HyperbolicDistribution." Wolfram Language & System Documentation Center. Wolfram Research. Last Modified 2016. https://reference.wolfram.com/language/ref/HyperbolicDistribution.html.
Wolfram Language. 2010. "HyperbolicDistribution." Wolfram Language & System Documentation Center. Wolfram Research. Last Modified 2016. https://reference.wolfram.com/language/ref/HyperbolicDistribution.html.
APA
Wolfram Language. (2010). HyperbolicDistribution. Wolfram Language & System Documentation Center. Retrieved from https://reference.wolfram.com/language/ref/HyperbolicDistribution.html
Wolfram Language. (2010). HyperbolicDistribution. Wolfram Language & System Documentation Center. Retrieved from https://reference.wolfram.com/language/ref/HyperbolicDistribution.html
BibTeX
@misc{reference.wolfram_2025_hyperbolicdistribution, author="Wolfram Research", title="{HyperbolicDistribution}", year="2016", howpublished="\url{https://reference.wolfram.com/language/ref/HyperbolicDistribution.html}", note=[Accessed: 04-April-2025
]}
BibLaTeX
@online{reference.wolfram_2025_hyperbolicdistribution, organization={Wolfram Research}, title={HyperbolicDistribution}, year={2016}, url={https://reference.wolfram.com/language/ref/HyperbolicDistribution.html}, note=[Accessed: 04-April-2025
]}