일반화 파레토 분포
어떤 분포에서 극단적인 사건을 모델링하려면 일반화 파레토 분포(GPD)를 사용하십시오. Statistics and Machine Learning Toolbox™에서는 다음과 같이 GPD를 사용하는 여러 방법을 제공합니다.
확률 분포를 표본 데이터에 피팅하거나 모수 값을 지정하여 확률 분포 객체
GeneralizedParetoDistribution을 생성합니다. 그런 다음 객체 함수를 사용하여 분포를 실행하고, 난수를 생성하는 등의 작업을 수행합니다.분포 피팅기 앱을 사용하여 대화형 방식으로 GPD를 사용합니다. 앱에서 객체를 내보내고 객체 함수를 사용할 수 있습니다.
지정된 분포 모수를 이용해 분포 전용 함수를 사용합니다. 이 함수는 여러 GPD의 모수를 받을 수 있습니다.
일반 분포 함수를 지정된 분포 이름(
"Generalized Pareto") 및 대응하는 모수와 함께 사용합니다.paretotails객체를 만들어 GPD를 사용해 분포의 꼬리를 모델링하고 중심에는 또다른 분포를 갖도록 합니다.paretotails객체는 꼬리에 하나 또는 두 개의 GPD, 그리고 중심에 다른 하나의 분포를 가지는 구간별 분포입니다. 이 객체를 만들 때paretotails의cdffun인수를 사용하여 중심에 사용할 분포 유형을 지정할 수 있습니다.cdffun의 유효한 값은"ecdf"(보간된 경험적 누적 분포),"kernel"(보간된 커널 평활화 추정량) 및 함수 핸들입니다. 객체를 만든 후에는 객체 함수를 사용하여 분포를 실행하고 난수를 생성할 수 있습니다.
일반화 파레토 분포에 대한 자세한 내용은 Generalized Pareto Distribution 항목을 참조하십시오.
객체
GeneralizedParetoDistribution | 일반화 파레토 확률 분포 객체 |
앱
| 분포 피팅기 | 데이터에 확률 분포 피팅하기 |
함수
도움말 항목
- 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.
- 일반화 파레토 분포를 사용하여 꼬리 데이터 모델링하기
이 예제에서는 최대가능도 추정을 통해 일반화 파레토 분포에 꼬리 데이터를 피팅하는 방법을 보여줍니다.
