Чтобы смоделировать экстремальные явления от распределения, используйте обобщенное распределение Парето (GPD). Statistics and Machine Learning Toolbox™ предлагает несколько способов работать с GPD.
Создайте объект GeneralizedParetoDistribution вероятностного распределения путем строения распределения вероятности к выборочным данным или настройкой значений параметров. Затем используйте объектные функции, чтобы вычислять распределение, сгенерировать случайные числа, и так далее.
Работа с GPD в интерактивном режиме при помощи приложения Distribution Fitter. Можно экспортировать объект из приложения и использовать объектные функции.
Используйте специфичные для распределения функции с заданными параметрами распределения. Специфичные для распределения функции могут принять параметры нескольких GPDs.
Используйте типовые функции распределения (cdf, icdf, pdf, random) с заданным именем распределения ('Generalized Pareto') и параметры.
Создайте paretotails возразите, чтобы смоделировать хвосты распределения при помощи GPDs с другим распределением для центра. paretotails объект является кусочным распределением, которое состоит из одного или двух GPDs в хвостах и другого распределения в центре. Можно задать тип распределения для центра при помощи cdffun аргумент paretotails когда вы создаете объект. Допустимые значения cdffun 'ecdf' (интерполированное эмпирическое кумулятивное распределение), 'kernel' (интерполированное средство оценки сглаживания ядра), и указатель на функцию. После создания объекта можно использовать объектные функции, чтобы вычислять распределение и сгенерировать случайные числа.
Чтобы узнать об обобщенном распределении Парето, смотрите Обобщенное Распределение Парето.
GeneralizedParetoDistribution | Обобщенный объект вероятностного распределения Парето |
| Distribution Fitter | Стройте распределения вероятности к данным |
Обобщенное распределение Парето
Узнайте об обобщенном распределении Парето, используемом, чтобы смоделировать экстремальные явления от распределения.
Распределения непараметрической и эмпирической вероятности
Оцените функцию плотности вероятности или кумулятивную функцию распределения от выборочных данных.
Соответствуйте непараметрическому распределению хвостами Парето
Стройте непараметрическое распределение вероятности к выборочным данным с помощью хвостов Парето, чтобы сглаживать распределение в хвостах.
Непараметрические оценки кумулятивных функций распределения и их инверсий
Оцените кумулятивную функцию распределения (cdf) из данных непараметрическим или полупараметрическим способом.
Моделирование данных о хвосте с обобщенным распределением Парето
В этом примере показано, как соответствовать данным о хвосте к Обобщенному распределению Парето по оценке наибольшего правдоподобия.
