TukeyLambdaDistribution
表示形状参数为 λ 的 Tukey λ 分布.
TukeyLambdaDistribution[λ,μ,σ]
表示位置参数为 μ,尺度参数为 σ 的 Tukey λ 分布.
TukeyLambdaDistribution[{λ1,λ2},μ,{σ1,σ2}]
表示广义 Tukey's lambda 分布,其位置参数为 μ、尺度参数为 σ1 和 σ2、形状参数为 λ1 和 λ2.
更多信息
- 当 且 时,Tukey λ 分布中的 的分位数函数等于 ,当 时为.
- TukeyLambdaDistribution[λ] 等价于 TukeyLambdaDistribution[λ,0,1].
- 当 时,在广义 Tukey λ 分布中的 的分位数函数等于 .
- TukeyLambdaDistribution 允许 λ、λ1、λ2 和 μ 为任意实数,σ、 σ1 和 σ2 为任意正实数.
- TukeyLambdaDistribution 允许 μ、σ、σ1 和 σ2 为任意有相同单位量纲的量,并允许 λ、λ1 和 λ2 为无量纲的量. »
- TukeyLambdaDistribution 可以和函数 Mean、CDF 和 RandomVariate 一起使用.
背景
- TukeyLambdaDistribution[{λ1,λ2},μ,{σ1,σ2}] 表示一个连续统计分布,参数为实数 λ1、λ2、μ(分别为两个“形状参数”和一个“位置参数”)和 正实数 σ1、σ2(被称为“尺度参数”), 它们共同决定了概率密度函数(PDF)的整体特性. 由 λ1、λ2、μ、σ1 和 σ2 的值决定,Tukey λ 分布的 PDF 可能拥有各种形状,其中包括只有一个“峰”(即全局最大值)的单峰状,或是线性、单调减小的形状. 此外,PDF(取决于参数的值,可能存在,也可能不存在)的尾可能较“厚”(即对于较大的 值,PDF 非指数式减小),也可能较“薄”(即对于较大的 值,PDF 呈指数式减小),取决于 λ1、λ2、μ、σ1 和 σ2 的值. (当有定义时,可通过分析分布的 SurvivalFunction,定量确定这种行为.)五个参数形式的 TukeyLambdaDistribution[{λ1,λ2},μ,{σ1,σ2}] 通常被称作广义 Tukey λ 分布,而三个参数和单参数形式的 TukeyLambdaDistribution[λ,μ,σ] 和 TukeyLambdaDistribution[λ](分别等价于 TukeyLambdaDistribution[{λ,λ},μ,{σ,σ}] 和 TukeyLambdaDistribution[{λ,λ},0,{1,1}])则分别被称作 (Tukey) λ 分布和标准 (Tukey) λ 分布.
- 二十世纪四十年代,美国数学家 John Tukey 构思出了单参数 Tukey λ 分布,作为一种工具,用来模拟服从正态分布 (NormalDistribution) 的随机变数的少量样本的均值、方差和协方差. 在各种概率分布中,由于 λ 分布的 PDF 没有解析表达式(除了 时的单参数形式),必须以分位数函数(Quantile)的形式来描述,λ 分布显得很独特. 尽管如此,广义 λ 分布能够拥有多种形状,因此是一种极为通用的分布,可以用来近似各种分布,包括 NormalDistribution、UniformDistribution、BetaDistribution、StudentTDistribution、ExponentialDistribution 和各种所谓的极值分布(比如 WeibullDistribution、ExtremeValueDistribution、GumbelDistribution 和 FrechetDistribution).
- 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 Tukey λ 分布中的伪随机变数. Distributed[x,TukeyLambdaDistribution[{λ1,λ2},μ,{σ1,σ2}]],更简洁的式子为 xTukeyLambdaDistribution[{λ1,λ2},μ,{σ1,σ2}],可用来断定一个随机变量 x 服从Tukey λ 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[TukeyLambdaDistribution[{λ1,λ2},μ,{σ1,σ2}],x] 和 CDF[TukeyLambdaDistribution[{λ1,λ2},μ,{σ1,σ2}],x],可以得到 Tukey λ 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 Tukey λ 分布,根据给定数据,用 EstimatedDistribution 来估计参数化的 Tukey λ 分布,而 FindDistributionParameters 则可用来将数据拟合成 Tukey λ 分布. 用 ProbabilityPlot 指令可以产生给定数据的 CDF 与符号式 Tukey λ 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 Tukey λ 分布的分位数的比较图.
- 可以用 TransformedDistribution 来表示转换过的 Tukey λ 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 Tukey λ 分布的高维分布, ProductDistribution 可以计算由独立分布为 Tukey λ 分布所得的联合分布.
- TukeyLambdaDistribution 与许多其它分布有关. 由于 TukeyLambdaDistribution[0]、TukeyLambdaDistribution[1] 和 TukeyLambdaDistribution[2] 的 PDF 恰好分别与 LogisticDistribution[0,1]、UniformDistribution[{-1,1}] 和 UniformDistribution[{-1/2,1/2}] 的 PDF 一样,TukeyLambdaDistribution 概括了包括 LogisticDistribution 和 UniformDistribution 在内的许多分布. 对于特定的 λ 值,TukeyLambdaDistribution[λ] 与 CauchyDistribution 和 NormalDistribution 有同样的性质,因此与 LogNormalDistribution、BetaDistribution 和 PearsonDistribution 也密切相关.
范例
打开所有单元关闭所有单元基本范例 (15)
范围 (7)
对称情形下的 Moment:
在参数中一致使用 Quantity 会导致 QuantityDistribution:
应用 (2)
对称 TukeyLambdaDistribution 常用于近似其它对称分布. 时分布近似为 NormalDistribution:
当 时,Tukey λ 分布近似对应于 CauchyDistribution:
概率图相关系数图常用于确定对称 TukeyLambdaDistribution 与数据的最佳拟合:
用图形直观地求得来自 LogisticDistribution 的标准样本的最佳拟合:
属性和关系 (5)
当 时,它就是 UniformDistribution:
当 时,它就是 LogisticDistribution:
文本
Wolfram Research (2010),TukeyLambdaDistribution,Wolfram 语言函数,https://reference.wolfram.com/language/ref/TukeyLambdaDistribution.html (更新于 2016 年).
CMS
Wolfram 语言. 2010. "TukeyLambdaDistribution." 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/TukeyLambdaDistribution.html.
APA
Wolfram 语言. (2010). TukeyLambdaDistribution. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/TukeyLambdaDistribution.html 年