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
GeneralizedParetoDistribution
을 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.paretotails
객체를 만들어 GPD를 사용해 분포의 꼬리를 모델링하고 중심에는 또다른 분포를 갖도록 합니다.paretotails
객체는 꼬리에 하나 또는 두 개의 GPD, 그리고 중심에 다른 하나의 분포를 가지는 구간별 분포입니다. 이 객체를 만들 때paretotails
의cdffun
인수를 사용하여 중심에 사용할 분포 유형을 지정할 수 있습니다.cdffun
의 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.