Кумулятивная функция распределения экстремума
p = evcdf(x,mu,sigma)
[p,plo,pup] = evcdf(x,mu,sigma,pcov,alpha)
[p,plo,pup] = evcdf(___,'upper')
p = evcdf(x,mu,sigma)
возвращает кумулятивную функцию распределения (cdf) для распределения экстремума типа 1, с параметром положения mu
и масштабный коэффициент sigma
, в каждом из значений в x
. x
, mu
и sigma
могут быть векторами, матрицами или многомерными массивами, что у всех есть тот же размер. Скалярный вход расширен до постоянного массива, одного размера как другие входные параметры. Значениями по умолчанию для mu
и sigma
является 0
и 1
, соответственно.
[p,plo,pup] = evcdf(x,mu,sigma,pcov,alpha)
возвращает доверительные границы для p
, когда входные параметры mu
и sigma
являются оценками. pcov
является ковариационной матрицей 2 на 2 предполагаемых параметров. alpha
имеет значение по умолчанию 0.05
и задает доверительные границы % 100(1 - alpha)
. plo
и pup
являются массивами, одного размера как p
, содержа более низкие и верхние доверительные границы.
[p,plo,pup] = evcdf(___,'upper')
возвращает дополнение распределения экстремума типа 1 cdf в каждом значении в x
, с помощью алгоритма, который более точно вычисляет экстремальные верхние вероятности хвоста. Можно использовать аргумент 'upper'
с любым из предыдущих синтаксисов.
Функциональный evcdf
вычисляет доверительные границы для P
с помощью нормального приближения для распределения оценки
и затем преобразовывая те границы к шкале вывода P
. Вычисленные границы дают приблизительно желаемый доверительный уровень, когда вы оцениваете mu
, sigma
и pcov
от больших выборок, но в меньших выборках другие методы вычисления доверительных границ могут быть более точными.
Распределение экстремума типа 1 также известно как распределение Gumbel. Версия, используемая здесь, подходит для моделирования минимумов; зеркальное отображение этого распределения может использоваться к максимумам модели путем отрицания X
и вычитания получившихся значений распределения из 1
. Дополнительную информацию см. в Распределении Экстремума. Если x имеет распределение Weibull, то X = журнал (x) имеет распределение экстремума типа 1.