일반화 파레토 분포(GPD) 백분위수(분위수) 계산기

일반화 파레토 분포(GPD) 백분위수(분위수) 계산기

신흥 AI Skill PRO

계산 입력

공식

x(P)=μ+σξ[(1−P)−ξ−1]여기서P=누적확률\begin{gathered} x(P) = {\mu} + \frac{{\sigma}}{{\xi}}\left[(1-P)^{-{\xi}} - 1\right] \\[1.5em] \text{여기서}\quad P = \text{누적확률} \end{gathered}
사용 통계

광고

결과

백분위수 (x)
0.693147
주어진 누적확률에서의 값 x
사용된 하측 누적확률 P 0.5

이 페이지의 오류 신고

일반화 파레토 분포(GPD)의 백분위수란?

일반화 파레토 분포(Generalized Pareto Distribution, GPD)는 극단값 통계에서 데이터의 꼬리 거동, 즉 높은 임계값을 초과하는 값(초과량)을 모델링하는 데 널리 쓰이는 연속 확률분포입니다. 이 분포의 백분위수(분위수 또는 백분위점)란, 누적확률 \(F(x)\)가 우리가 정한 확률 \(P\)와 같아지는 값 \(x\)를 말합니다. 이 계산기는 위치 모수 \(\mu\), 척도 모수 \(\sigma\), 형상 모수 \(\xi\) 세 가지 표준 모수를 받아 누적분포함수의 역함수(역CDF)를 계산합니다. 이는 순수한 통계 함수로, 특정 국가나 제도에 국한되지 않습니다.

왼쪽 영역이 음영 처리되고 x축에 분위수 지점이 표시된 일반화 파레토 확률밀도 곡선
백분위수 x는 하측 누적확률 P가 GPD 밀도 곡선 아래 음영 영역의 넓이와 같아지는 값입니다.

계산기 사용 방법

먼저 누적 방식을 선택하세요. 확률이 \(P = \Pr(X \le x)\) 형태라면 "하측 누적확률 P"를 고르고, 확률이 생존확률 \(Q = \Pr(X > x)\) 형태라면 "상측 누적확률 Q"를 선택합니다. 이 경우 계산기가 내부적으로 \(P = 1 - Q\)로 변환합니다. 그런 다음 누적확률(0과 1 사이), 위치 모수 \(\mu\), 척도 모수 \(\sigma\)(반드시 0보다 커야 함), 형상 모수 \(\xi\)를 입력하세요. 결과는 해당 확률 지점의 백분위수 \(x\)입니다.

공식 설명

GPD의 CDF는 \(\xi \ne 0\)일 때 $$F(x) = 1 - \left(1 + \xi\cdot\frac{x - \mu}{\sigma}\right)^{-1/\xi}$$이고, \(\xi = 0\)일 때는 $$F(x) = 1 - \exp\left(-\frac{x - \mu}{\sigma}\right)$$입니다. 하측 누적확률 \(P\)가 주어졌을 때 \(x\)에 대해 역으로 풀면, \(\xi \ne 0\)인 경우 $$x = \mu + \frac{\sigma}{\xi}\cdot\left[(1 - P)^{-\xi} - 1\right]$$, \(\xi = 0\)인 경우 $$x = \mu - \sigma\cdot\ln(1 - P)$$가 됩니다. \(\xi\)로 나누는 연산은 0에서 정의되지 않으므로, \(|\xi|\)가 \(\text{1e-12}\)보다 작으면 지수분포 경우로 처리합니다.

광고
S자형 누적 곡선을 따라 세로축의 확률을 가로축의 분위수 값에 대응시키는 역 CDF
분위수 함수는 CDF의 역함수입니다. 확률 P를 읽고 대응하는 값 x까지 따라갑니다.

계산 예시

방식 = 하측, \(P = 0.9\), \(\mu = 0\), \(\sigma = 1\), \(\xi = 0.5\)인 경우: $$x = \frac{1}{0.5}\cdot\left[(1 - 0.9)^{-0.5} - 1\right] = 2\cdot\left[0.1^{-0.5} - 1\right] = 2\cdot[3.1622777 - 1] = 4.3245553.$$

자주 묻는 질문

\(\xi = 0\)이면 어떻게 되나요? GPD는 평행 이동된 지수분포로 단순화되며, 분위수는 위에서 설명한 로그 공식을 사용합니다.

상측 범위는 항상 무한한가요? 그렇지 않습니다. \(\xi < 0\)이면 분포의 범위가 위쪽으로 \(x = \mu - \sigma/\xi\)에서 유한하게 제한됩니다. \(P = 1\)일 때 계산기는 이 유한한 끝점을 반환합니다. \(\xi \ge 0\)이면 상측 꼬리가 무한하므로 \(P = 1\)에서 양의 무한대가 됩니다.

\(\sigma\)는 왜 양수여야 하나요? 척도 모수 \(\sigma\)는 분포의 퍼짐 정도를 결정합니다. \(\sigma\)가 0 이하이면 분포 자체가 정의되지 않습니다.

최종 업데이트:

수학 및 통계 인기 계산기

수학 및 통계 계산기 전체 보기