用广义帕累托分布(GPD)来从一个分布中模拟极端事件。统计和机器学习工具箱™提供了几种使用GPD的方法。
创建一个概率分布对象GeneralizedParetoDistribution
通过拟合样本数据的概率分布或通过指定参数值。然后,使用目标函数计算分布,生成随机数,等等。
通过使用Distribution Fitter应用程序与GPD交互工作。您可以从应用程序导出对象并使用对象函数。
使用带有指定分布参数的特定于分布的函数。分布特定函数可以接受多个gpd的参数。
创建一个paretotails
对象通过使用gdd建模一个分布的尾部,用另一个分布作为中心。一个paretotails
对象是一个分段分布,由尾部的一个或两个gdd和中心的另一个分布组成。方法可以指定中心的分布类型cdffun
的观点paretotails
当您创建对象时。的有效值cdffun
是“ecdf”
(插值经验累积分布),“内核”
(插值核平滑估计器)和函数句柄。创建对象后,可以使用对象函数计算分布并生成随机数。
要了解广义帕累托分布,请参见广义帕累托分布.
GeneralizedParetoDistribution |
广义帕累托概率分布对象 |
分布更健康 | 将概率分布与数据拟合 |
了解用于从分布中建模极端事件的广义帕累托分布。
从样本数据中估计概率密度函数或累积分布函数。
用帕累托尾对样本数据拟合非参数概率分布,以平滑尾中的分布。
从非参数或半参数的数据中估计累积分布函数(cdf)。
这个例子展示了如何用极大似然估计将尾部数据拟合到广义Pareto分布。