ExpGammaDistribution
ExpGammaDistribution[κ,θ,μ]
表示形状参数为 κ、尺度参数为 θ 以及定位参数为 μ 的指数伽玛分布.
更多信息
- ExpGammaDistribution 有时候易与 LogGammaDistribution 混淆.
- ExpGammaDistribution 也称为广义极值分布.
- 在指数伽玛分布中,值 的生存函数与 成正比.
- ExpGammaDistribution 允许 κ 和 θ 为任意正实数, μ 为任意实数.
- ExpGammaDistribution 允许 μ 和 θ 为任意带有相同单位维度的数量,且 κ 为无量纲数值. »
- ExpGammaDistribution 可与 Mean、CDF 和 RandomVariate 等函数联合使用.
背景
- ExpGammaDistribution[κ,θ,μ] 表示一个定义于实数集合上的连续统计分布,参数为实数 μ,称为“定位参数”,以及两个正实数 κ 和 θ,分别被称为“形状参数”和“尺度参数”. 参数 μ 决定了概率密度函数(PDF)的“峰值”(即绝对最大值)的水平位置. 指数伽玛分布的 PDF 总是呈现为单峰状,其高度和陡峭程度则由 κ 和 θ 的值决定. 此外,对于较大的 值,由于 PDF 代数式减小,而不是指数式减小,PDF 的尾显得较“厚”. (通过分析分布的 SurvivalFunction,这种行为可被定量确定.)其英文名称 “exp-gamma” 为 “exponential-gamma” 的简写,指数伽玛分布有时被视为广义化的极值分布,对此要小心,因为该名称同时还指代其它许多性质上相近的概率分布.
- 指数伽玛分布在数学上的定义为当 GammaDistribution 时,模拟 的分布. 指数伽玛分布是很重要的一个分布,原因在于所谓的(统计)极值理论,该理论声称独立同分布随机变量的样本的极值只能收敛于三个可能的分布(GumbelDistribution、FrechetDistribution 和 WeibullDistribution)之一,而它们全都是 ExpGammaDistribution 的特例. 此外,指数伽玛分布已经被各个学科用来对各种现象建模,包括气象学中的风速和海洋工程学中洋流的速度.
- RandomVariate 可用来给出一个或更多机器精度或任意精度(后者可通过设置 WorkingPrecision 选项获得)的指数伽玛分布中的伪随机变数. Distributed[x,ExpGammaDistribution[κ,θ,μ]],更简洁的式子为 xExpGammaDistribution[κ,θ,μ],可用来断定随机变量 x 服从指数伽玛分布. 它也可以被用在诸如 Probability、NProbability、Expectation 和 NExpectation 这样的函数中.
- 通过使用 PDF[ExpGammaDistribution[κ,θ,μ],x] 和 CDF[ExpGammaDistribution[κ,θ,μ],x],可以得到指数伽玛分布的概率密度和累积分布函数. 可以用 Mean、Median、Variance、Moment 和 CentralMoment 来分别计算均值、中位数、方差、原始矩和中心矩.
- 可以用 DistributionFitTest 来检测一个数据集是否符合指数伽玛分布,根据给定数据,用 EstimatedDistribution 来估计参数化指数伽玛分布,而 FindDistributionParameters 则可用来将数据拟合成指数伽玛分布. 用 ProbabilityPlot 指令可以产生给定数据的 CDF 与符号式指数伽玛分布的 CDF 的比较图,QuantilePlot 则能绘制给定数据的分位数和符号式指数伽玛分布的分位数的比较图.
- 可以用 TransformedDistribution 来表示转换过的指数伽玛分布,用 CensoredDistribution 表示截尾后位于上限和下限值之间的数据的分布,而 TruncatedDistribution 则表示删失后位于上限和下限值之间的数据的分布. CopulaDistribution 可用来构建包含指数伽玛分布的高维分布, ProductDistribution 可以计算由独立分布为指数伽玛分布所得的联合分布.
- 指数伽玛分布与许多其它分布相关. 从定义上来看,ExpGammaDistribution 由 GammaDistribution 转换而来,因为 ExpGammaDistribution[κ,θ,0] 的 CDF 就是 θ Log[u] 的CDF,其中 uGammaDistribution[κ,1]. 此外,还有许多分布,包括 GumbelDistribution、FrechetDistribution 和 WeibullDistribution 在内,都满足“广义的极值分布”这个大标题,因此在性质上都和 ExpGammaDistribution 相关,定量关系上,FrechetDistribution 和 GumbelDistribution 是由 WeibullDistribution 转换而来,而 ExpGammaDistribution[1,b,a] 实际上是 GumbelDistribution[a,b]. ExpGammaDistribution[1,σ,μ] 等同于 MinStableDistribution[μ,σ,0],同时,MoyalDistribution[μ,σ] 可由随机变量 -u 的分布获得,其中 uExpGammaDistribution[1/2,σ,-μ+σ Log[2]]. 指数伽玛分布还与 ExtremeValueDistribution、ParetoDistribution、LogisticDistribution 和MaxStableDistribution 有关.
范例
打开所有单元关闭所有单元范围 (8)
持续在参数中使用 Quantity 会生成分布 QuantityDistribution:
应用 (1)
ExpGammaDistribution 可用于模拟月最大风速. 麻省波士顿从 1950 年 1 月至 2009 年 12 月记录的月最大风速(km/h):
属性和关系 (6)
当平移并且使用一个正因子为比例进行缩放时,新生成的分布仍然是指数伽玛分布:
ExpGammaDistribution 是 GammaDistribution 的一个变换:
GumbelDistribution 是 ExpGammaDistribution 的一个特例:
指数伽玛分布 ExpGammaDistribution 是 MinStableDistribution 的一个特例:
MoyalDistribution 是 ExpGammaDistribution 的一个变换:
文本
Wolfram Research (2010),ExpGammaDistribution,Wolfram 语言函数,https://reference.wolfram.com/language/ref/ExpGammaDistribution.html (更新于 2016 年).
CMS
Wolfram 语言. 2010. "ExpGammaDistribution." Wolfram 语言与系统参考资料中心. Wolfram Research. 最新版本 2016. https://reference.wolfram.com/language/ref/ExpGammaDistribution.html.
APA
Wolfram 语言. (2010). ExpGammaDistribution. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/ExpGammaDistribution.html 年