Эта статья посвящена особому семейству непрерывных распределений, называемому обобщенным распределением Парето. Для иерархии обобщенных распределений Парето см. Распределение Парето .
В статистике , то обобщенное распределение Парето (GPD) представляет собой семейство непрерывных вероятностных распределений . Его часто используют для моделирования хвостов другого распределения. Он определяется тремя параметрами: положением , масштабом и формой . [1] [2] Иногда это определяется только масштабом и формой [3], а иногда только параметром формы. В некоторых ссылках параметр формы указывается как . [4]
Если U будет равномерно распределена на (0, 1], то
и
Обе формулы получены путем обращения cdf.
В Matlab Statistics Toolbox вы можете легко использовать команду «gprnd» для генерации обобщенных случайных чисел Парето.
GPD как смесь экспоненциально-гамма [ править ]
Случайная величина GPD также может быть выражена как экспоненциальная случайная величина с параметром распределенной скорости гамма.
и
тогда
Однако обратите внимание, что, поскольку параметры для гамма-распределения должны быть больше нуля, мы получаем дополнительные ограничения, которые: должны быть положительными.
Возведенное в степень обобщенное распределение Парето (exGPD) [ править ]
PDF (экспоненциальное обобщенное распределение Парето) для различных значений и .
Если , , , то распределяется в соответствии с экспоненцируются обобщенным распределение Парето , обозначаемое , .
Функция плотности вероятности (PDF) для , равна
где поддержка для , и для .
Для всех , то становится параметром места. См. Правую панель для PDF, когда форма положительная.
ExGPD имеет конечные моменты всех порядков для всех и .
Дисперсия из как функции . Обратите внимание, что разница зависит только от . Красная пунктирная линия представляет оцененную дисперсию , то есть .
Момент-Производящая функция от IS
где и обозначают бета-функцию и гамма-функцию соответственно.
Ожидаемое значение из , зависит от масштаба и формы параметров, в то время как участвует через функцию дигаммы :
Обратите внимание, что при фиксированном значении для , the играет как параметр местоположения в экспоненциальном обобщенном распределении Парето.
Дисперсия из , зависит от параметра формы только через функцию полигаммы порядка 1 (также называются тригамма-функция ):
На правой панели показано отклонение как функцию от . Обратите внимание на это .
Обратите внимание, что роли параметра масштаба и параметра формы под ним можно интерпретировать раздельно, что может привести к надежной и эффективной оценке, чем при использовании [2] . Роли этих двух параметров связаны друг с другом (по крайней мере, до второго центрального момента); см. формулу дисперсии, в которой участвуют оба параметра.
Оценщик Хилла [ править ]
Предположим, что это наблюдения (не обязательно iid) из неизвестного распределения с тяжелым хвостом, такое, что его распределение хвоста регулярно изменяется с индексом хвоста (следовательно, соответствующий параметр формы равен ). Чтобы быть конкретным, распределение хвоста описывается как
В теории экстремальных значений особый интерес представляет оценка параметра формы , особенно когда он положительный (так называемое распределение с тяжелым хвостом).
Позвольте быть их условной избыточной функцией распределения. Pickands-Balkema-де Хаана теорема (Pickands, 1975; Balkema и де Хаан, 1974) утверждает , что для большого класса , лежащих в основе функции распределения , и большого , хорошо аппроксимируются обобщенное распределением Парето (GPD), который мотивирован пик над порогом (POT) методы оценки : GPD играет ключевую роль в подходе POT.
Известным оценщиком, использующим методологию POT, является оценщик Хилла . Техническая формулировка оценки Хилла выглядит следующим образом. Для , записей на -й наибольшее значение . Затем, в этих обозначениях, оценка Хилла (см. Стр. 190 ссылки 5 Эмбрехтса и др. [3] ), основанная на статистике высшего порядка, определяется как
На практике оценщик Хилла используется следующим образом. Сначала вычислите оценку для каждого целого числа , а затем постройте упорядоченные пары . Затем выберите из набора оценок Хилла, которые примерно постоянны по отношению к : эти стабильные значения рассматриваются как разумные оценки для параметра формы . Если iid, то оценка Хилла является последовательной оценкой для параметра формы [4] .
Обратите внимание, что оценщик Хилла использует логарифмическое преобразование для наблюдений . (Оценка Пиканда также использовала логарифмическое преобразование, но немного другим способом [5] .)
См. Также [ править ]
Распределение заусенцев
Распределение Парето
Обобщенное распределение экстремальных значений
Экспоненциальное обобщенное распределение Парето
Теорема Пикандса – Балкемы – де Хаана.
Ссылки [ править ]
^ Коулз, Стюарт (2001-12-12). Введение в статистическое моделирование экстремальных значений . Springer. п. 75. ISBN 9781852334598.
^ Хоскинг, JRM; Уоллис, младший (1987). "Параметр и квантильная оценка для обобщенного распределения Парето". Технометрика . 29 (3): 339–349. DOI : 10.2307 / 1269343 . JSTOR 1269343 .
^ Дэвисон, AC (1984-09-30). «Моделирование превышения высоких пороговых значений с помощью приложения» . Ин де Оливейра, Дж. Тьяго (ред.). Статистические экстремумы и приложения . Kluwer. п. 462. ISBN. 9789027718044.
^ Embrechts, Пол; Клюппельберг, Клаудиа ; Микош, Томас (1997-01-01). Моделирование экстремальных событий для страхования и финансов . п. 162. ISBN. 9783540609315.
Дальнейшее чтение [ править ]
Пикандс, Джеймс (1975). «Статистический вывод с использованием статистики крайнего порядка» . Анналы статистики . 3 с : 119–131. DOI : 10.1214 / AOS / 1176343003 .
Balkema, A .; Де Хаан, Лоренс (1974). «Остаточное время жизни в преклонном возрасте» . Анналы вероятности . 2 (5): 792–804. DOI : 10.1214 / AOP / 1176996548 .
Ли, Сеюн; Ким, JHK (2018). «Экспоненциальное обобщенное распределение Парето: свойства и приложения к теории экстремальных значений». Коммуникации в статистике - теория и методы . 0 (8): 1–25. arXiv : 1708.01686 . DOI : 10.1080 / 03610926.2018.1441418 . S2CID 88514574 .
Н.Л. Джонсон; С. Коц; Н. Балакришнан (1994). Непрерывные одномерные распределения Том 1, второе издание . Нью-Йорк: Вили. ISBN 978-0-471-58495-7. Глава 20, Раздел 12: Обобщенные распределения Парето.
Барри С. Арнольд (2011). «Глава 7: Парето и обобщенные распределения Парето» . В Duangkamon Chotikapanich (ред.). Моделирование распределений и кривых Лоренца . Нью-Йорк: Спрингер. ISBN 9780387727967.
Арнольд, Британская Колумбия; Лагуна, Л. (1977). Об обобщенных распределениях Парето с приложениями к данным о доходах . Эймс, Айова: Государственный университет Айовы, факультет экономики.
Внешние ссылки [ править ]
Mathworks: обобщенное распределение Парето
vтеРаспределения вероятностей ( Список )
Дискретная одномерная с конечной опорой
Бенфорд
Бернулли
бета-бином
биномиальный
категоричный
гипергеометрический
Бином Пуассона
Радемахер
солитон
дискретная униформа
Zipf
Ципф – Мандельброт
Дискретная одномерная с бесконечной поддержкой
бета-отрицательный бином
Борель
Конвей – Максвелл – Пуассон
дискретная фаза
Делапорте
расширенный отрицательный бином
Флори-Шульц
Гаусс – Кузьмин
геометрический
логарифмический
отрицательный бином
Panjer
параболический фрактал
Пуассон
Скеллам
Юл – Саймон
Зета
Непрерывная одномерная с опорой на ограниченном интервале
арксинус
АРГУС
Лысый – Николс
Бейтс
бета
бета прямоугольный
непрерывный Бернулли
Ирвин – Холл
Кумарасвами
логит-нормальный
нецентральная бета
ПЕРТ
приподнятый косинус
взаимный
треугольный
U-квадратичный
униформа
Полукруг Вигнера
Непрерывная одномерная с опорой на полубесконечном интервале
Бенини
Benktander 1-го рода
Benktander 2-го рода
бета прайм
Заусенец
хи-квадрат
чи
Дагум
Дэвис
экспоненциально-логарифмический
Erlang
экспоненциальный
F
сложенный нормальный
Фреше
гамма
гамма / Gompertz
обобщенная гамма
обобщенный обратный гауссовский
Гомпертц
наполовину логистический
наполовину нормальный
Ти- квадрат Хотеллинга
гипер-Эрланг
гиперэкспоненциальный
гипоэкспоненциальный
обратный хи-квадрат
масштабированный обратный хи-квадрат
обратный гауссовский
обратная гамма
Колмогоров
Леви
журнал-Коши
лог-Лаплас
логистика
лог-нормальный
Lomax
матрично-экспоненциальный
Максвелл – Больцманн
Максвелл – Юттнер
Mittag-Leffler
Накагами
нецентральный хи-квадрат
нецентральный F
Парето
фазовый
поли-Вейбулл
Рэлей
релятивистский Брейт – Вигнер
Рис
сдвинутый Гомпертц
усеченный нормальный
Тип-2 Гамбель
Weibull
дискретный Weibull
Лямбда Уилкса
Непрерывная одномерная поддерживается на всей реальной линии