广义的帕累托分布
为了模拟分布的极端事件,请使用广义帕累托分布(GPD)。Statistics和Machine Learning Toolbox™提供了几种使用GPD的方法。
创建概率分布对象
GeneralizedParetoDistribution
通过将概率分布拟合到示例数据或指定参数值。然后,使用对象函数评估分布,生成随机数等。通过使用Distribution Fitter应用程序与GPD进行交互式工作。您可以从应用程序导出对象并使用对象函数。
使用特定于分布的功能,带有指定的分布参数。特定于分布的功能可以接受多个GPD的参数。
Use generic distribution functions (
CDF
,,,,icdf
,,,,PDF
,,,,随机的
) with a specified distribution name (“广义帕累托”
)和参数。创建一个
掌tail
对象通过使用GPD来对分布的尾部进行建模,并为中心提供另一个分布。一个掌tail
对象是一个分段分布,由尾部中的一个或两个GPD组成,中心的另一个分布组成。您可以使用CDFfun
argument of掌tail
when you create the object. Valid values ofCDFfun
是'ecdf'
(interpolated empirical cumulative distribution),'kernel'
(插值内核平滑估计器)和功能手柄。创建对象后,您可以使用对象函数评估分布并生成随机数。
要了解广义的帕累托分布,请参阅广义的帕累托分布。
对象
GeneralizedParetoDistribution |
Generalized Pareto probability distribution object |
功能
话题
- 广义的帕累托分布
了解用于从分布中建模极端事件的广义帕累托分布。
- 非参数和经验概率分布
估计样品数据中的概率密度函数或累积分布函数。
- Fit a Nonparametric Distribution with Pareto Tails
使用帕累托尾巴将非参数概率分布拟合到样品数据中,以平滑尾巴中的分布。
- 累积分布函数及其反相的非参数估计值
Estimate the cumulative distribution function (cdf) from data in a nonparametric or semiparametric way.
- 用广义帕累托分布对尾部数据进行建模
此示例显示了如何通过最大似然估计将尾部数据拟合到广义帕累托分布。