广义帕累托分布
要为分布中的极值事件建模，可使用广义帕累托分布 (GPD)。Statistics and Machine Learning Toolbox™ 提供了多种处理 GPD 的方式。
可通过对样本数据进行概率分布拟合或通过指定参数值来创建概率分布对象
GeneralizedParetoDistribution。然后使用对象函数来计算分布、生成随机数等。使用分布拟合器以交互方式处理 GPD。您可以从该 App 中导出对象并使用对象函数。
使用分布特定的函数并指定分布参数。函数可以接受多种 GPD 的参数。
使用一般分布函数并指定分布名称
"Generalized Pareto"和对应的参数。使用 GPD 创建一个
paretotails对象为分布的尾部建模，并使用另一个分布为中心建模。paretotails对象是一种分段分布，由尾部的一个或两个 GPD 以及中心的另一个分布组成。创建对象时，您可以使用paretotails的cdffun参量指定中心的分布类型。cdffun的有效值为"ecdf"（插值经验累积分布）、"kernel"（插值核平滑估计量）和函数句柄。创建对象后，您可以使用对象函数来计算分布并生成随机数。
要了解广义帕累托分布，请参阅Generalized Pareto Distribution。
对象
GeneralizedParetoDistribution | 广义帕累托概率分布对象 |
App
| 分布拟合器 | 对数据进行概率分布拟合 |
函数
主题
- Generalized Pareto Distribution
Learn about the generalized Pareto distribution used to model extreme events from a distribution.
- Nonparametric and Empirical Probability Distributions
Estimate a probability density function or a cumulative distribution function from sample data.
- Fit a Nonparametric Distribution with Pareto Tails
Fit a nonparametric probability distribution to sample data using Pareto tails to smooth the distribution in the tails.
- Nonparametric Estimates of Cumulative Distribution Functions and Their Inverses
Estimate the cumulative distribution function (cdf) from data in a nonparametric or semiparametric way.
- 利用广义帕累托分布对尾数据建模
此示例说明如何通过最大似然估计对尾数据进行广义帕累托分布拟合。
