主要内容

广义帕累托分布

从广义帕累托分布拟合、评估和生成随机样本

使用广义帕累托分布(GPD)来模拟极端事件。Statistics and Machine Learning Toolbox™提供了几种与GPD一起工作的方法。

  • 创建一个概率分布对象GeneralizedParetoDistribution通过拟合样本数据的概率分布或指定参数值。然后,使用对象函数来评估分布,生成随机数,等等。

  • 通过使用Distribution Fitter应用程序与GPD进行交互工作。你可以从应用程序中导出一个对象并使用对象函数。

  • 使用具有指定分布参数的特定分布函数。分布函数可以接受多个gpd的参数。

  • 使用通用分布函数(提供icdfpdf随机),并使用指定的发行版名称(广义帕累托的)和参数。

  • 创建一个paretotails对象通过使用gpd来模拟一个分布的尾部,另一个分布为中心。一个paretotails对象是一个分段分布,由一个或两个gpd在尾部和另一个分布在中心。属性可以指定中心的分布类型cdffun的观点paretotails当您创建对象时。有效的值cdffun“ecdf”(插值经验累积分布),“内核”(插值核平滑估计),和一个函数句柄。创建对象后,可以使用对象函数来计算分布并生成随机数。

要了解广义帕累托分布,请参阅广义帕累托分布

对象

GeneralizedParetoDistribution 广义帕累托概率分布对象

应用程序

分布更健康 拟合概率分布到数据
概率分布函数 交互密度和分布图

功能

全部展开

创建GeneralizedParetoDistribution对象

makedist 创建概率分布对象
fitdist 拟合概率分布对象与数据

一起工作GeneralizedParetoDistribution对象

提供 累积分布函数
收集 收集的属性统计和机器学习工具箱对象从GPU
icdf 逆累积分布函数
位差 四分位范围
的意思是 概率分布均值
中位数 概率分布中值
negloglik 概率分布的负对数似然
paramci 概率分布参数的置信区间
pdf 概率密度函数
proflik 概率分布的轮廓似然函数
随机 随机数
性病 概率分布的标准差
截断 截断概率分布对象
var 概率分布方差

创建paretotails对象

paretotails 带帕累托尾部的分段分布

一起工作paretotails对象

边界 分段分布边界
提供 累积分布函数
icdf 逆累积分布函数
lowerparams 更低的帕累托尾部参数
nsegments 分段分布的段数
pdf 概率密度函数
随机 随机数
包含输入值的分段分布段
upperparams 上帕累托尾参数
gpcdf 广义帕累托累积分布函数
gppdf 广义帕累托概率密度函数
gpinv 广义帕累托逆累积分布函数
gplike 广义帕累托负对数似然
gpstat 广义帕累托均值和方差
gpfit 广义帕累托参数估计
gprnd 广义帕累托随机数
大中型企业 最大似然估计
mlecov 极大似然估计量的渐近协方差
histfit 具有分布拟合的直方图
probplot 概率情节
qqplot Quantile-quantile情节
randtool 交互随机数生成

主题

广义帕累托分布

了解用于模拟极端事件的广义帕累托分布。

非参数和经验概率分布

从样本数据估计一个概率密度函数或一个累积分布函数。

用帕累托尾拟合非参数分布

用帕累托尾部拟合非参数概率分布到样本数据,以平滑尾部分布。

累积分布函数的非参数估计及其逆

用非参数或半参数的方法估计累积分布函数(cdf)。

尾部数据的广义Pareto分布建模

这个例子展示了如何用极大似然估计将尾部数据拟合到广义帕累托分布。