广义Pareto参数估计
parmhat = gpfit(x)
[Parmhat,parmci] = gpfit(x)
[Parmhat,parmci] = gpfit(x,alpha)
[...] = gpfit(x,alpha,选项)
parmhat = gpfit(x)
给定给定数据的两个参数通用帕累托(GP)分发的参数的最大似然估计X
。Parmhat(1)
是尾索引(形状)参数,K.
和Parmhat(2)
是比例参数,Sigma.
。GPFIT.
不符合阈值(位置)参数。
[Parmhat,parmci] = gpfit(x)
返回参数估计的95%置信区间。
[Parmhat,parmci] = gpfit(x,alpha)
回报100(1-alpha)
参数估计的%置信区间。
[...] = gpfit(x,alpha,选项)
指定用于计算ML估计的迭代算法的控制参数。此参数可以通过呼叫创建实例化
。看statset('gpfit')
有关参数名称和默认值。
广义帕累托的其他功能,例如GPCDF.
允许阈值参数,θ.
。然而,GPFIT.
没有估计θ。假设已知,并从中减去X
在打电话之前GPFIT.
。
什么时候k = 0.
和Theta = 0.
,GP相当于指数分布。什么时候k> 0.
和Theta = Sigma / K
,GP等同于具有等于的刻度参数的帕累托分布Sigma / K.
和形状参数等于1 / K.
。GP的平均值不是有限的K.
≥1
,并且差异不是有限的K.
≥1/2
。什么时候K.
≥0.
,GP具有阳性密度
k>θ.
,或者,何时K.
<0.
, 为了
[1] Horthechts,P.,C.Klüppelberg和Mikosch。为保险和金融建立极值事件。纽约:斯普林斯,1997年。
[2] Kotz,S.和S. Nadarajah。极值分布:理论与应用。伦敦:帝国学院出版社,2000年。