具有位置参数的极值分布的概率密度函数µ和尺度参数σ是
这种形式的概率密度函数适用于模拟最小值。为了模拟最大值,使用原始值的负数。
如果T有一个威布尔分布与参数一个和b,那么日志T有一个带参数的极值分布µ=日志一个和σ= 1 /b.
极值分布通常用来模拟一组独立的、相同分布的、代表测量或观察的随机值中的最小或最大值。极值分布适用于模拟尾部以指数形式快速衰减的分布的最小值,例如,正态分布。它还可以通过使用原始值的负数来模拟分布的最大值,例如正态分布或指数分布。
例如,下面的例子拟合了一个极值分布到最小值,该极值分布取自一个正态分布的1000多组500个观测值。
rng默认的;%的再现性xMinima = min(randn(1000,500), [], 2);paramEstsMinima = evfit (xMinima);y = linspace (-1.5, 1001);直方图(xMinima -4.75:二十五分:-1.75);p = evpdf (y, paramEstsMinima (1) paramEstsMinima (2));线(y,或25 *长度(xMinima) * p,“颜色”,“r”)
下面的公式拟合了每组观测值中最大值的极值分布。
rng默认的;%的再现性xMaxima = max(randn(1000,500), [], 2);paramEstsMaxima = evfit (-xMaxima);y = linspace (1.5, 1001);直方图(xMaxima, 1.75: .25:4.75);p = evpdf (- y, paramEstsMaxima (1) paramEstsMaxima (2));线(y,或25 *长度(xMaxima) * p,“颜色”,“r”)
尽管极值分布通常用作极值的模型,但您也可以将其用作其他类型的连续数据的模型。例如,极值分布与威布尔分布密切相关。如果T
有威布尔分布吗日志(T)
具有一类极值分布。
这个函数evfit
返回极值分布参数的最大似然估计(MLEs)和置信区间。下面的示例展示了如何使用evfit
,包括拟合分布的均值和方差的估计。
假设您希望为制造过程中每批1000个最小垫圈的尺寸建模。如果你认为每个批次的大小是独立的,你可以从八个实验批次中拟合一个极值分布的最小直径测量值。下面的代码返回分布参数的MLEs为parmhat
置信区间是parmci
.
X = [19.774 20.141 19.44 20.511 21.377 19.003 19.66 18.83];[parmhat, parmci] = evfit(x)
帕尔麦= 20.2506 0.8223帕尔麦= 19.644 0.49861 20.857 1.3562
你可以用这个函数找到这些参数的极值分布的均值和方差evstat
.
[meanfit, varfit] = evstat(parmhat(1),parmhat(2)))
均值= 19.776 varfit = 1.1123
计算pdf的极值分布。
t = [5: .01:2];y = evpdf (t);
情节的pdf。
图;情节(t, y)
极值分布向左倾斜,其总体形状对所有参数值保持不变。位置参数,μ
,将分布沿实线平移,而尺度参数,σ
,扩大或缩小分配。
下图描绘了不同组合的概率函数μ
和σ
.
x = -15: .01:5;情节(x, evpdf (x 2 1),“- - -”,...x, evpdf (x, 0, 2),“:”,...x, evpdf (x, 2、4),“-”。);传奇({'mu = 2, sigma = 1',...' = 0, sigma = 2',...'mu = -2, sigma = 4'},...“位置”,“西北”)包含(“x”) ylabel (f (x) |μ、σ)')