MaxStableDistribution
MaxStableDistribution[μ,σ,ξ]
表示定位参数为 μ、尺度参数为 σ 以及形状参数为 ξ 的广义最大极值分布.
更多信息
- MaxStableDistribution 也称为 Fisher–Tippett 分布.
- 广义最大极值分布给出样本最大值的渐进分布,样本从正态、柯西或 β 等分布中抽取.
- 在广义最大极值分布中,当 时,值 的概率密度与 成正比,其余情况时为零.
- MaxStableDistribution 允许 μ 和 ξ 为任意实数,σ 为任意正实数.
- MaxStableDistribution 允许 μ 和 σ 为具有相同单位量纲的任意量,而 ξ 为一个无量纲参数. »
- MaxStableDistribution 可与 Mean、CDF 和 RandomVariate 等函数联合使用.
背景
- MaxStableDistribution[μ,σ,ξ] 表示一个支持在满足 的实数 的集合上,并由正实数 σ (尺度参数)和实数 μ 和 ξ (分别为位置参数和形状参数)参数化的连续统计分布. 这些参数共同决定其概率密度函数(PDF)的整体行为. 一般而言,最大稳定分布是只有一个顶点(即全局极大值)的单峰分布,其总体形状(高度、展开和最大值的水平位置)取决于 μ、 σ 和 ξ. 另外,PDF 的尾部是“胖的”,即对于较大的 值 PDF 呈现非级数递减. (这一行为可以通过分析分布的 SurvivalFunction 精确定量.)连同最小稳定分布,最大稳定分布是所谓的“极值分布”,可能指的是广义最大极值分布、1类极值分布(请注意不要与 ExtremeValueDistribution 混淆)、Gumbel 最大值分布(请注意不要与 GumbelDistribution 混淆)和 Fisher–Tippett 分布.
- 广义最大极值分布是对从如 NormalDistribution、 CauchyDistribution 或 BetaDistribution 分布中的样本的最大值的渐近行为建模的独特分布.它被设计用于结合如 GumbelDistribution、 FrechetDistribution 和 WeibullDistribution 这样的其他极值分布. 由于其 PDF 是双指数(即 Exp[-Exp[…]] 形式),分布的图像有更夸张的特点(比如更高的顶点和更薄的尾部),这是分布之间的一个独特属性. 最大稳定分布是极值理论领域中的基础,并在描述“可能性极小”的情况(数据集中包括从中位数处有极大偏差的变量).它也用于在金融和经济的多个子领域中为许多现象建模.
- RandomVariate 可用于从一个极大稳定分布中给出一个或多个机器精度或任意精度(后者通过 WorkingPrecision 选项)伪随机变量. Distributed[x,MaxStableDistribution[μ,σ,ξ]],更精确地写作 xMaxStableDistribution[μ,σ,ξ],可用于断言一个根据最大稳定分布分布的随机变量 x. 这样的断言适用于如 Probability、 NProbability、 Expectation 和 NExpectation 等函数.
- 概率密度和累积分布函数可以通过 PDF[MaxStableDistribution[μ,σ,ξ],x] 和 CDF[MaxStableDistribution[μ,σ,ξ],x] 给出. 均值、中位数、方差 原始矩和中心矩可以分别通过 Mean、 Median、 Variance、 Moment 和 CentralMoment 计算得出.
- DistributionFitTest 可用于检验给定数据集是否与最大稳定分布一致, EstimatedDistribution 可用于从给定数据中估计最大稳定参数分布, FindDistributionParameters 可用于拟合数据至最大稳定分布. ProbabilityPlot 可用于生成给定数据的 CDF 对符号极值分布的 CDF 的图像,而 QuantilePlot 可用于生成给定数据的分位点对符号极值分布的分位点的图像.
- TransformedDistribution 可用于表示一个变形极值分布, CensoredDistribution 可用于表示在上限和下限之间删节值的分布,而 TruncatedDistribution 可用于表示在上限和下限之间截尾值的分布. CopulaDistribution 可用于构建含有最大稳定分布的高维分布,而 ProductDistribution 可用于计算含极值分布的独立组分分布的联合分布.
- 最大稳定分布与一些其他分布有关. MaxStableDistribution 生成一些分布,包括 ExtremeValueDistribution (ExtremeValueDistribution[α,β] 与 MaxStableDistribution[α,β,0] 相同)而 FrechetDistribution(FrechetDistribution[α,β] 即 MaxStableDistribution[β,β/α ,1/α]). 它可以发生变形获得如 MinStableDistribution、 GumbelDistribution 和 WeibullDistribution 等分布函数. MaxStableDistribution 与 ExponentialDistribution、 ExpGammaDistribution 和 LogisticDistribution 相关.
范例
打开所有单元关闭所有单元范围 (8)
偏度与 MinStableDistribution 的偏度符号相反:
峰度与 MinStableDistribution 的峰度相同:
参数中对 Quantity 保持一致的使用将给出 QuantityDistribution:
应用 (1)
MaxStableDistribution 可以用来对纤维强度建模. 考虑以克为单位的印度棉花的抗拉强度:
属性和关系 (9)
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 MaxStableDistribution:
按照负因子进行缩放给出 MinStableDistribution:
MaxStableDistribution 在使用 Max 下是闭合的:
MaxStableDistribution 的 CDF 求解稳定公设方程:
ExtremeValueDistribution 是广义最大极值分布的一个特例:
FrechetDistribution 是广义最大极值分布的一个特例:
广义最大极值分布与 WeibullDistribution 相关:
广义最大极值分布与 GumbelDistribution 相关:
广义最大极值分布与 MinStableDistribution 相关:
文本
Wolfram Research (2010),MaxStableDistribution,Wolfram 语言函数,https://reference.wolfram.com/language/ref/MaxStableDistribution.html (更新于 2016 年).
CMS
Wolfram 语言. 2010. "MaxStableDistribution." 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/MaxStableDistribution.html.
APA
Wolfram 语言. (2010). MaxStableDistribution. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/MaxStableDistribution.html 年