Функция плотности вероятности значения, как показано в легенде | |||
Кумулятивная функция распределения значения, как показано в легенде | |||
Параметры | масштабная форма | ||
---|---|---|---|
Поддерживать | |||
CDF | |||
Иметь в виду | если , еще не определено | ||
Медиана | |||
Режим | если , 0 иначе | ||
Дисперсия | См. Основной текст | ||
MGF | [1] где- бета-функция . [2] | ||
CF | [1] где- бета-функция . [2] |
В вероятности и статистике , то лог-логистическое распределение (известное как распределение Фиска в экономике ) является непрерывным распределением вероятностей для неотрицательной случайной величины . Он используется в анализе выживаемости в качестве параметрической модели для событий, частота которых сначала увеличивается, а затем снижается, например, смертность от рака после диагностики или лечения. Он также использовался в гидрологии для моделирования речного стока и осадков , в экономике как простая модельраспределение богатства или дохода , а также в сети для моделирования времени передачи данных с учетом как сети, так и программного обеспечения.
Логарифмическое распределение - это распределение вероятностей случайной величины , логарифм которой имеет логистическое распределение . По форме оно похоже на логнормальное распределение, но имеет более тяжелые хвосты . В отличие от логнормального, его кумулятивная функция распределения может быть записана в замкнутой форме .
Характеристика [ править ]
Существует несколько различных параметризаций используемого распределения. Показанный здесь дает разумно интерпретируемые параметры и простую форму кумулятивной функции распределения . [3] [4] Параметр является масштабным параметром, а также медианной величиной распределения. Параметр - это параметр формы . Распределение является унимодальным, когда его дисперсия уменьшается с увеличением.
Кумулятивная функция распределения является
где , ,
Функция плотности вероятности :
Альтернативная параметризация [ править ]
Альтернативная параметризация задается парой по аналогии с логистическим распределением:
Свойства [ править ]
Моменты [ править ]
Го сырья момент существует только тогда , когда , когда оно дается [5] [6]
где B - бета-функция . Отсюда можно получить выражения для среднего , дисперсии , асимметрии и эксцесса . Пишу для удобства, среднее значение
и дисперсия
Явные выражения для асимметрии и эксцесса длинны. [7] Поскольку среднее значение стремится к бесконечности , дисперсия и асимметрия стремятся к нулю, а избыточный эксцесс стремится к 6/5 (см. Также соответствующие распределения ниже).
Квантили [ править ]
Функция квантиля (обратная кумулятивная функция распределения):
Отсюда следует , что средний показатель является , нижняя квартиль находится и верхняя квартиль находится .
Приложения [ править ]
Анализ выживаемости [ править ]
Логико-логистическое распределение обеспечивает одну параметрическую модель для анализа выживаемости . В отличие от более часто используемого распределения Вейбулла , оно может иметь немонотонную функцию риска : когда функция риска является одномодальной (когда ≤ 1, опасность монотонно уменьшается). Тот факт, что кумулятивная функция распределения может быть записана в замкнутой форме, особенно полезен для анализа данных о выживаемости с цензурой . [8] Логико-логистическое распределение можно использовать в качестве основы модели ускоренного времени отказа , разрешивразличать между группами или, в более общем смысле, вводить коварианты, которые влияют, но не моделировать как линейную функцию ковариат. [9]
Функция выживания является
и поэтому функция риска является
Логико-логистическое распределение с параметром формы - это предельное распределение промежутков времени в геометрическом распределенном процессе подсчета . [10]
Гидрология [ править ]
Логико-логистическое распределение использовалось в гидрологии для моделирования расходов воды и осадков. [3] [4]
Экстремальные значения, такие как максимальное количество осадков за один день и расход реки в месяц или год, часто имеют логнормальное распределение . [11] Логнормальное распределение, однако, требует численного приближения. Поскольку логарифмическое распределение, которое может быть решено аналитически, похоже на логнормальное распределение, его можно использовать вместо него.
На синем рисунке показан пример подгонки лог-логистического распределения к ранжированным максимальным однодневным осадкам в октябре и показан пояс уверенности 90% на основе биномиального распределения . Данные об осадках представлены положением графика r / ( n +1) как часть совокупного частотного анализа .
Экономика [ править ]
Лог-логистика использовалась как простая модель распределения богатства или дохода в экономике , где она известна как распределение Фиска. [12] Его коэффициент Джини находится . [13]
Вывод коэффициента Джини |
---|
Коэффициент Джини для непрерывного распределения вероятностей имеет вид: где - CDF распределения, а - ожидаемое значение. Для лог-логистического распределения формула коэффициента Джини принимает следующий вид: Определение подстановки приводит к более простому уравнению: А такая замена еще больше упрощает формулу коэффициента Джини: Интегральный компонент эквивалентен стандартной бета-функции . Бета-функцию также можно записать как: где - гамма-функция . Используя свойства гамма-функции, можно показать, что: Из формулы Эйлера отражения , выражение может быть упрощено далее: Наконец, мы можем заключить, что коэффициент Джини для лог-логистического распределения . |
Сеть [ править ]
Лог-логистика использовалась в качестве модели для периода времени, начинающегося, когда некоторые данные покидают приложение пользователя программного обеспечения на компьютере, и ответ принимается тем же приложением после прохождения и обработки другими компьютерами, приложениями и сетью. сегменты, большинство или все из них без жестких гарантий реального времени (например, когда приложение отображает данные, поступающие с удаленного датчика, подключенного к Интернету). Было показано, что это более точная вероятностная модель для этого, чем логнормальное распределение или другие, при условии, что резкие изменения режима в последовательностях тех времен правильно обнаруживаются. [14]
Связанные дистрибутивы [ править ]
- Если тогда
- ( Распределение Dagum ).
- ( Распределение Сингха – Маддалы ).
- ( Бета-простое распределение ).
- Если X имеет логистическое распределение с параметром масштаба и параметром формы, тогда Y = log ( X ) имеет логистическое распределение с параметром местоположения и параметром масштаба.
- По мере того, как параметр формы логистического распределения увеличивается, его форма все больше напоминает форму (очень узкого) логистического распределения . Неформально:
- Лог-логистическое распределение с параметром формы и параметром масштаба такое же, как обобщенное распределение Парето с параметром местоположения, параметром формы и параметром масштаба.
- Добавление еще одного параметра (параметра сдвига) формально приводит к смещению лог-логистического распределения , но обычно это рассматривается в другой параметризации, так что распределение может быть ограничено сверху или снизу.
Обобщения [ править ]
Несколько различных распределений иногда называют обобщенным логистическим распределением , поскольку они содержат лог-логистику как частный случай. [13] К ним относятся распределение заусенцев XII типа (также известное как распределение Сингха-Маддала ) и распределение Дагума , оба из которых включают второй параметр формы. Оба, в свою очередь, являются частными случаями еще более общего обобщенного бета-распределения второго рода . Еще одно более простое обобщение лог-логистики - это смещенное лог-логистическое распределение .
Другим обобщенным лог-логистическим распределением является логарифмическое преобразование распределения металиг , в котором разложения степенного ряда в терминах заменяются параметрами логистического распределения и . Результирующее логарифмическое распределение имеет высокую гибкость формы, имеет простую замкнутую форму PDF и функцию квантилей , может соответствовать данным с помощью линейных наименьших квадратов и предполагает, что логарифмическое распределение является частным случаем.
См. Также [ править ]
- Распределения вероятностей: список важных распределений, поддерживаемых на полубесконечных интервалах.
Ссылки [ править ]
- ^ а б http://www.math.wm.edu/~leemis/chart/UDR/PDFs/Loglogistic.pdf
- ^ a b Ekawati, D .; Warsono; Курниасари, Д. (2014). «О моментах, кумулянтах и характеристической функции лог-логистического распределения». IPTEK, Журнал технологий и науки . 25 (3): 78–82.
- ^ а б Шукри, ММ; Миан, IUM; Трейси, DS (1988), «Выборочные свойства оценщиках логарифмически логистическое распределение с применением к канадскому осадков данных», Канадский журнал статистики , 16 (3): 223-236, DOI : 10,2307 / 3314729 , JSTOR 3314729
- ^ а б Ашкар, Фахим; Махди, Смайл (2006), «Подгонка логарифмического распределения с помощью обобщенных моментов», Journal of Hydrology , 328 (3–4): 694–703, Bibcode : 2006JHyd..328..694A , doi : 10.1016 / j. jhydrol.2006.01.014
- ^ Tadikamalla, Pandu R .; Джонсон, Norman L. (1982), "Системы Frequency кривых порожденных преобразований логистических переменных", Biometrika , 69 (2): 461-465, CiteSeerX 10.1.1.153.9487 , DOI : 10,1093 / Biomet / 69.2.461 , JSTOR 2335422
- ^ Tadikamalla, Панда R. (1980), "Взгляд на Burr и смежных распределениях", Международный статистический обзор , 48 (3): 337-344, DOI : 10,2307 / 1402945 , JSTOR 1402945
- ^ Маклафлин, Майкл П. (2001), Сборник общих распределений вероятностей (PDF) , стр. A – 37 , получено 15 февраля 2008 г.
- ^ Беннетт, Стив (1983), "Log-Logistic регрессионные модели для данных выживания", Журнал Королевского статистического общества, серия C , 32 (2): 165-171, DOI : 10,2307 / 2347295 , JSTOR 2347295
- ^ Коллетт, Дэйв (2003), Моделирование данных о выживании в медицинских исследованиях (2-е изд.), CRC press, ISBN 978-1-58488-325-8
- ^ Ди Крещенцо, Антонио; Пельре, Франко (2019), "Некоторые результаты и применение геометрических процессов подсчета", методология и вычисление в прикладной вероятности , 21 (1): 203-233, DOI : 10.1007 / s11009-018-9649-9
- ^ Ритзема (редактор), HP (1994), Частотный и регрессионный анализ , Глава 6 в: Принципы и приложения дренажа, Публикация 16, Международный институт мелиорации и улучшения земель (ILRI), Вагенинген, Нидерланды, стр. 175–224 , ISBN 978-90-70754-33-4CS1 maint: extra text: authors list (link)
- ^ Фиск, PR (1961), "Выпускной из доходов распределений", Эконометрика , 29 (2): 171-185, DOI : 10,2307 / 1909287 , JSTOR 1909287
- ^ a b Kleiber, C .; Коц, С. (2003), Статистические распределения размеров в экономике и актуарных науках , Wiley, ISBN 978-0-471-15064-0
- ↑ Gago-Benítez, A .; Фернандес-Мадригал Х.-А., Крус-Мартин А. (2013), «Логико-логистическое моделирование задержки сенсорного потока в сетевых телероботах», журнал IEEE Sensors, IEEE Sensors 13 (8), 13 (8): 2944 -2953, Bibcode : 2013ISenJ..13.2944G , DOI : 10,1109 / JSEN.2013.2263381CS1 maint: multiple names: authors list (link)