Чтобы смоделировать экстремальные события из распределения, используйте обобщенное распределение Парето (GPD). Statistics and Machine Learning Toolbox™ предлагает несколько способов работы с GPD.
Создайте объект распределения вероятностей GeneralizedParetoDistribution
путем подгонки распределения вероятностей к выборочным данным или путем настройки значений параметров. Затем используйте функции объекта, чтобы вычислить распределение, сгенерировать случайные числа и так далее.
Работайте с GPD в интерактивном режиме с помощью приложения Distribution Fitter. Можно экспортировать объект из приложения и использовать функции объекта.
Используйте специфичные для распределения функции с заданными параметрами распределения. Специфичные для распределения функции могут принимать параметры нескольких GPD.
Используйте родовые функции распределения (cdf
, icdf
, pdf
, random
) с заданным именем распределения ('Generalized Pareto'
) и параметры.
Создайте paretotails
объект, чтобы смоделировать хвосты распределения при помощи GPD с другим распределением для центра. A paretotails
объект является кусочно-линейным распределением, которое состоит из одного или двух GPD в хвостах и другого распределения в центре. Тип распределения для центра можно задать при помощи cdffun
аргумент paretotails
при создании объекта. Допустимые значения cdffun
являются 'ecdf'
(интерполированное эмпирическое совокупное распределение), 'kernel'
(интерполированный оценщик сглаживания ядра) и указатель на функцию. После создания объекта можно использовать функции объекта для вычисления распределения и генерации случайных чисел.
Чтобы узнать об обобщенном распределении Парето, см. «Обобщенное распределение Парето».
GeneralizedParetoDistribution | Обобщенный объект распределения вероятностей Парето |
Distribution Fitter | Подгонка распределений вероятностей к данным |
Probability Distribution Function | Интерактивные графики плотности и распределения |
Обобщенное распределение Парето
Узнайте об обобщенном распределении Парето, используемом для моделирования экстремальных событий из распределения.
Непараметрическое и эмпирическое распределения вероятностей
Оцените функцию плотности вероятностей или совокупную функцию распределения из выборочных данных.
Подбор непараметрического распределения с помощью решеток Парето
Подгонка непараметрического распределения вероятностей к выборочным данным с помощью хвостов Парето, чтобы сгладить распределение в хвостах.
Непараметрические оценки кумулятивных функций распределения и их инверсий
Оцените совокупную функцию распределения (cdf) из данных непараметрическим или полупараметрическим способом.
Моделирование хвостовых данных с обобщенным распределением Парето
Этот пример показывает аппроксимацию конечных данных к Обобщенному распределению Парето с помощью максимальной оценки правдоподобия.