-
極值分佈
鎖定
目錄
- 1 定義
- 2 Gumbel型極值分佈
- ▪ 極小值分佈
- ▪ 極大值分佈
極值分佈定義
設
為從總體F抽出的獨立同分布樣本,且
顯然,這種關係具有自反、對稱和傳遞性。
極值分佈的三大類型(Fisher—Tippett Theorem):若G(x)為一連續極值分佈,則G必與下列三個分佈函數之一同類:
一般的Gumbel型極值分佈為
極值分佈Gumbel型極值分佈
極值分佈極小值分佈
最小極值Ⅰ型分佈簡稱極小值分佈,其分佈密度函數和分佈函數分別為
1.標準極小值分佈,
令
,則
,代入上述分佈密度函數和分佈函數式子中得到Z的密度函數及分佈函數分別為
上兩式稱為標準極小值分佈,並且與分佈參數
及
無關。
3.極小值分佈的期望值及方差,
因為
及
如果已知樣本的試驗數據,則可以計算總體的均值及標準差的估計值
及s,再由
和
的等式可以得到極小值分佈的位置參數
及尺度參數
的估計值:
極值分佈極大值分佈
最大極值Ⅰ型漸近分佈密度函數和分佈函數分別為
式中,
——位置參數;
——尺度參數。
極大值分佈密度函數的圖形如圖2所示。
1.標準極大值分佈
標準極大值分佈的期望值及方差分別為
2.極大值分佈的期望值和方差