SinghMaddalaDistribution
SinghMaddalaDistribution[q,a,b]
表示形状参数为 q 和 a,尺度参数为 b 的 Singh Maddal 分布.
更多信息
- SinghMaddalaDistribution 也称为 Burr XII 分布.
- 当 时,在 Singh Maddala 分布中, 的概率密度与 成正比.
- SinghMaddalaDistribution 允许 q、a 和 b 为任意正实数.
- SinghMaddalaDistribution 允许 b 为带有任意单位量纲的量,允许 q 和 a 为无量纲量. »
- SinghMaddalaDistribution 可以与诸如 Mean、CDF 和 RandomVariate 函数一起使用.
背景
- SinghMaddalaDistribution[q,a,b] 表示在区间 上的连续统计分布,由正实数 q、a 和 b(分别是两个“形状参数”和“尺度参数”)参数化,决定了概率密度函数的整体行为. 取决于 q、a 和 b 的数值,Singh–Maddala 分布的概率密度函数可能具有包含单个“峰”(即全局最大值)的单峰的各种形状或者具有趋近定义域下界的潜在奇异点的单调递减形状. 另外,概率密度函数的尾部是“胖”的,因为对于较大的 值,概率密度函数呈代数级下降,而不是指数级下降.(这种行为可以通过分析分布的 SurvivalFunction 准确定量.) Singh–Maddala 分布有时候也指代为 Burr XII 分布或者 Burr 分布,并且是指代为广义对数逻辑分布的一种分布(不要与LogLogisticDistribution 混淆).
- Singh–Maddala 分布在1940年代初期由 I. W. Burr 首次提出,在 1970 年代由 S. K. Singh 和 G. S. Maddala 作为伽马(GammaDistribution) 和对数正态分布 (LogNormalDistribution) 的替代再次提出,用于构建收入分布的模型. 从此,Singh–Maddala 分布广泛用于经济和计量经济学中,用于构建金融现象模型,并且也作为诸如精算学、蒙特卡洛理论、出版和社会学等领域的工具.
- RandomVariate 可用于给出一个或多个机器精度或任意精度(后者通过 WorkingPrecision 选项)的 Singh–Maddala 分布的伪随机变元. Distributed[x,SinghMaddalaDistribution[q,a,b]],更简洁的表示为 xSinghMaddalaDistribution[q,a,b],可用于论断随机变量 x 服从 Singh–Maddala 分布. 然后这类论断可用于诸如 Probability、NProbability、Expectation 和 NExpectation 等函数中.
- 概率密度和累积分布函数可以通过使用 PDF[SinghMaddalaDistribution[q,a,b],x] 和 CDF[SinghMaddalaDistribution[q,a,b],x] 给出. 均值、中位数、方差、原始矩和中心矩可以分别使用 Mean、Median、Variance、Moment 和 CentralMoment 计算.
- DistributionFitTest 可用于检验给定的数据集是否与 Singh–Maddala 分布相一致, EstimatedDistribution 可用于通过给定数据估计 Singh–Maddala 参数分布,而 FindDistributionParameters 可用于将数据拟合为 Singh–Maddala 分布. ProbabilityPlot 可用于生成已知数据相对于符号式 Singh–Maddala 分布的 CDF 图形,而 QuantilePlot 可用于生成已知数据相对于符号式 Singh–Maddala 分布的分位数的分位数图形.
- TransformedDistribution 可用于表示变换 Singh–Maddala 分布,CensoredDistribution 可用于表示在上限和下限删失值的分布,而 TruncatedDistribution 可用于表示在上限和下限值之间截断值的分布. CopulaDistribution 可用于构建包含 Singh–Maddala 分布的更高维分布,而 ProductDistribution 可用于计算涉及 Singh–Maddala 分布的独立分量分布的联合分布.
- SinghMaddalaDistribution 与若干其他分布密切相关. SinghMaddalaDistribution 推广了 LogLogisticDistribution(SinghMaddalaDistribution[1,γ,σ] 的概率密度函数就是 LogLogisticDistribution[γ,σ] 的概率密度函数),由 BetaPrimeDistribution 推广( SinghMaddalaDistribution[q,a,b] 的概率密度函数就是 BetaPrimeDistribution[1,q,a,b] 的),而且是 DagumDistribution 的一个变换 TransformedDistribution. SinghMaddalaDistribution 也与 BetaDistribution、ParetoDistribution、PearsonDistribution、 GammaDistribution、WeibullDistribution 和 LogNormalDistribution 紧密相关.
范例
打开所有单元关闭所有单元范围 (8)
在参数中对 Quantity 一致的使用产生了 QuantityDistribution:
应用 (1)
每年地震发生的数目可以使用 SinghMaddalaDistribution 建模:
属性和关系 (8)
当使用一个正因子为比例进行缩放时,新生成的分布仍然是 Singh Maddala分布:
对于取自 Singh Maddala 分布的样本,其最小值所对应的分布族仍然是 SinghMaddalaDistribution:
SinghMaddalaDistribution 是 BetaPrimeDistribution 的一个特殊情形:
如果 是 SinghMaddalaDistribution,那么 就是 DagumDistribution:
LogLogisticDistribution 是 SinghMaddalaDistribution 的一个特殊情况:
文本
Wolfram Research (2010),SinghMaddalaDistribution,Wolfram 语言函数,https://reference.wolfram.com/language/ref/SinghMaddalaDistribution.html (更新于 2016 年).
CMS
Wolfram 语言. 2010. "SinghMaddalaDistribution." 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/SinghMaddalaDistribution.html.
APA
Wolfram 语言. (2010). SinghMaddalaDistribution. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/SinghMaddalaDistribution.html 年