广义极值分布的概率密度函数具有位置参数µ、尺度参数σ和形状参数k
≠0
是
为
k > 0
对应于第二类情况,而k < 0
对应于III型病例。为k = 0
,对应于I型情况,密度为
与极值分布一样,广义极值分布通常用于模拟一组独立的、同分布的随机值,这些随机值代表测量值或观察值。例如,您可能从一个生产过程中有1000个批次的垫圈。如果您记录了每个批处理中最大的垫圈的大小,则该数据称为块最大值(如果您记录的是最小的,则称为最小值)。你可以用广义极值分布作为块极大值的模型。
广义极值将三个简单分布组合成单一形式,允许包含所有三个简单分布的可能形状的连续范围。您可以使用这些分布中的任何一个来建模特定的块最大值数据集。广义极值分布允许你“让数据决定”哪种分布是合适的。
广义极值分布所涵盖的三种情况通常被称为类型I、II和III。每一种类型对应于不同的底层分布的块极大值的极限分布。尾部以指数形式递减的分布,如正态分布,会导致i型分布,尾部以多项式形式递减的分布,如Student的分布t,导致II型。尾部是有限的分布,如beta,会导致III型分布。
类型I、II和III有时也被称为Gumbel、Frechet和Weibull类型,尽管这个术语可能有点令人困惑。类型I (Gumbel)和类型III (Weibull)的情况实际上对应于通常的Gumbel和Weibull分布的镜像,例如,通过函数计算evcdf
和evfit
,或wblcdf
和wblfit
,分别。最后,II型(Frechet)情况等价于从标准威布尔分布取值的倒数。
如果您生成250块1000个随机值从学生t有5个自由度的分布,取它们的最大值,你可以用这些最大值来拟合一个广义的极值分布。
blocksize = 1000;nblocks = 250;rng默认的%的再现性t = trnd (5 blocksize nblocks);x = max (t);% 250列最大值paramEsts = gevfit (x)
paramEsts =1×30.1185 1.4530 5.8929
注意,形状参数估计(第一个元素)是正的,这是您根据Student的块最大值所期望的t分布。
直方图(x, 20分,“FaceColor”,(。8。8 1]);xgrid = linspace (2, 1000);线(xgrid nblocks *...gevpdf (xgrid paramEsts (1) paramEsts (2), paramEsts (3)));
为广义极值分布的三种基本形式生成概率密度函数的例子。
x = linspace(3、6,1000);日元= gevpdf (x,闲置,1,0);y2 = gevpdf (x, 0 1 0);y3 = gevpdf (x, 5, 1,0);情节(x, y₁,“- - -”, x, y2,“——”, x, y3,“:”)({传奇'K < 0, III型''K = 0, Type I''K > 0, Type II'})
请注意,对k > 0
,分布的概率密度为零x
这样
.
为k < 0
,分布的概率密度为零
.
为k = 0
,没有上限或下限。
GeneralizedExtremeValueDistribution