一般化パレート分布
ある分布の極端な事象をモデル化するには、一般化パレート分布 (GPD) を使用します。Statistics and Machine Learning Toolbox™ には、GPD を処理する方法がいくつか用意されています。
確率分布を標本データに当てはめるかパラメーター値を指定することにより、確率分布オブジェクト
GeneralizedParetoDistribution
を作成します。そして、オブジェクト関数を使用して、分布の評価や乱数の生成などを行います。分布フィッター アプリを使用して、GPD を対話的に処理します。オブジェクトをアプリからエクスポートしてオブジェクト関数を使用できます。
分布パラメーターを指定して、分布特有の関数を使用します。関数では、複数の GPD についてのパラメーターを受け入れることができます。
分布名
"Generalized Pareto"
と対応するパラメーターを指定して、汎用の分布関数を使用します。GPD を使用して、分布の裾をモデル化する
paretotails
オブジェクトを作成します。中央については別の分布を使用します。paretotails
オブジェクトは区分的分布であり、裾についての 1 つまたは 2 つの GPD と中央についての別の分布から構成されます。中央の分布タイプは、オブジェクトを作成するときにparetotails
の引数cdffun
を使用することにより指定できます。cdffun
の有効な値は、"ecdf"
(内挿された経験累積分布)、"kernel"
(内挿されたカーネル平滑化推定器) および関数ハンドルです。オブジェクトの作成後、オブジェクト関数を使用して、分布の評価と乱数の生成を行うことができます。
一般化パレート分布の詳細については、一般化パレート分布を参照してください。
オブジェクト
GeneralizedParetoDistribution | 一般化パレート確率分布オブジェクト |
アプリ
分布フィッター | 確率分布をデータに当てはめ |
関数
トピック
- 一般化パレート分布
ある分布の極端な事象をモデル化するために使用される一般化パレート分布について学びます。
- ノンパラメトリックな経験的確率分布
確率密度関数または累積分布関数を標本データから推定します。
- パレート分布の裾を使用したノンパラメトリック分布の近似
パレート分布の裾を使用してノンパラメトリック確率分布を標本データに当てはめ、裾の分布を滑らかにします。
- 累積分布関数とその逆関数のノンパラメトリック推定
ノンパラメトリックまたはセミパラメトリックな方法でデータから累積分布関数 (cdf) を推定します。
- 一般化パレート分布での裾のデータのモデル化
この例では、最尤推定法によって裾データを一般化パレート分布に近似する方法を示します。