极值分布
定义
带位置参数的极值分布的概率密度函数µ和比例参数σ是
这种形式的概率密度函数适合于最小值的建模。要模拟最大值,请使用原始值的负数。
如果T有一个威布尔分布与参数一个而且b,然后logT有参数的极值分布吗µ=日志一个而且σ= 1 /b.
背景
极值分布通常用于模拟代表测量或观察的一组独立的、相同分布的随机值中的最小或最大值。极值分布适用于对尾部以指数速度衰减的分布(如正态分布)中的最小值进行建模。它还可以通过使用原始值的负数来模拟来自分布(如正态分布或指数分布)的最大值。
例如,下面将一个极值分布拟合为正态分布中500个观测值超过1000组的最小值。
rng默认的;%用于再现性xMinima = min(randn(1000,500), [], 2);paramEstsMinima = evfit(xMinima);Y = linspace(-5,-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”)
以下将极值分布拟合到每组观测值的最大值。
rng默认的;%用于再现性xMaxima = max(randn(1000,500), [], 2);paramEstsMaxima = evfit(-xMaxima);Y = linspace(1.5,5,1001);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”)
尽管极值分布最常被用作极值的模型,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,那么日志(T)
具有1型极值分布。
参数
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拟合一些示例数据evfit
,包括拟合分布的均值和方差的估计。
假设您想要对生产过程中每批1000个洗衣机中最小的洗衣机的尺寸进行建模。如果您认为每个批次内和每个批次之间的尺寸是独立的,您可以将一个极值分布适合于八个实验批次的最小直径的测量。下面的代码返回分布参数的mle为parmhat
置信区间是的列parmci
.
X = [19.774 20.141 19.44 20.511 21.377 19.003 19.66 18.83];[parmhat, parmci] = evfit(x)
帕尔马干酪= 20.2506 0.8223帕尔马干酪= 19.644 0.49861 20.857 1.3562
你可以用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))
Meanfit = 19.776 varfit = 1.1123
例子
计算极值分布pdf
计算一个极值分布的pdf。
T = [-5:.01:2];Y = evpdf(t);
绘制pdf。
图;情节(t, y)
极值分布向左倾斜,它的一般形状对所有参数值保持相同。位置参数,μ
,沿实线平移分布,scale参数,σ
,扩展或收缩分布。
的不同组合的概率函数μ
而且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',...'mu = 0, sigma = 2',...'mu = -2, sigma = 4'},...“位置”,“西北”)包含(“x”) ylabel (f (x) |μ、σ)')