Калькулятор распределения Леви

Калькулятор распределения Леви

Развивающийся AI Skill PRO

Введите расчет

Математическая формула

f(x)=c2πe−c2(x−μ)(x−μ)3/2f(x) = \sqrt{\dfrac{\text{c}}{2\pi}}\;\frac{e^{-\frac{\text{c}}{2\left(\text{x}-{\mu}\right)}}}{\left(\text{x}-{\mu}\right)^{3/2}}
Показать шаги расчёта (2)
  1. Нижняя кумулятивная вероятность P(X ≤ x)

    P(X≤x)=erfc(z)гдеz=c2(x−μ)\begin{gathered} P(X \le x) = \operatorname{erfc}\!\left(z\right) \\[1.5em] \text{где}\quad z = \sqrt{\dfrac{\text{c}}{2\left(\text{x}-{\mu}\right)}} \end{gathered}

    erfc от z, где z = √(c / (2(x − μ)))

  2. Верхняя вероятность P(X > x)

    P(X>x)=erf(z)гдеz=c2(x−μ)\begin{gathered} P(X > x) = \operatorname{erf}\!\left(z\right) \\[1.5em] \text{где}\quad z = \sqrt{\dfrac{\text{c}}{2\left(\text{x}-{\mu}\right)}} \end{gathered}

    erf от z, где z = √(c / (2(x − μ)))

Статистика использования

Реклама

Результаты

Плотность вероятности f(x)
0,06499
плотность (безразмерная)
Нижняя кумулятивная вероятность P(x) 0,563703
Верхняя кумулятивная вероятность Q(x) 0,436297

Сообщить об ошибке на этой странице

Что такое распределение Леви?

Распределение Леви — это непрерывное вероятностное распределение для неотрицательной случайной величины. Это одно из немногих устойчивых распределений, для которых существует плотность вероятности в замкнутой форме, и одновременно частный случай обратного гамма-распределения. Распределение задаётся двумя параметрами: параметром сдвига \(\mu\), который смещает распределение так, что его область определения начинается с \(x = \mu\), и параметром масштаба \(c > 0\), отвечающим за разброс. Из-за очень «тяжёлого» правого хвоста математическое ожидание и дисперсия распределения Леви не определены (бесконечны), однако сама плотность и кумулятивные вероятности в каждой точке заданы абсолютно корректно.

Скошенная вправо кривая плотности Леви, поднимающаяся от нуля и переходящая в длинный хвост
ФПР распределения Леви: кривая с сильной правой асимметрией и длинным хвостом.

Как пользоваться калькулятором

Введите значение случайной величины \(x\), параметр сдвига \(\mu\) и положительный параметр масштаба \(c\). Калькулятор вернёт плотность вероятности \(f(x)\), нижнюю кумулятивную вероятность \(P(x) = P(X \le x)\) и верхнюю кумулятивную вероятность \(Q(x) = P(X > x)\). Для стандартного распределения Леви используйте \(\mu = 0\) и \(c = 1\). Если \(x\) меньше или равно \(\mu\), величина выходит за пределы области определения, поэтому плотность равна 0, \(P(x) = 0\), а \(Q(x) = 1\).

Разбор формулы

Обозначим \(y = x - \mu\). При \(y > 0\) плотность равна $$f(x) = \sqrt{\dfrac{c}{2\pi}}\;\frac{e^{-\frac{c}{2y}}}{y^{3/2}}.$$ Функция распределения выражается через дополнительную функцию ошибок: $$P(x) = \operatorname{erfc}\!\left(\sqrt{\dfrac{c}{2y}}\right),$$ а верхний хвост — просто $$Q(x) = 1 - P(x) = \operatorname{erf}\!\left(\sqrt{\dfrac{c}{2y}}\right).$$ Этот инструмент вычисляет \(\operatorname{erf}\) и \(\operatorname{erfc}\) по рациональной аппроксимации 7.1.26 из справочника Абрамовица и Стиган, точность которой составляет около семи знаков после запятой.

Реклама
Кривая плотности с заштрихованной левой областью P и правой областью Q, разделёнными в точке x
Нижняя вероятность \(P(x)\) — заштрихованная область слева; верхняя вероятность \(Q(x)\) — область справа.

Разобранный пример

Возьмём \(\mu = 0\), \(c = 1\), \(x = 3\), тогда \(y = 3\). Аргумент равен \(z = \sqrt{1/6} = 0{,}408248\). Плотность: $$\sqrt{\dfrac{1}{2\pi}} \cdot \frac{e^{-1/6}}{3^{1.5}} = 0{,}398942 \cdot \frac{0{,}846482}{5{,}196152} \approx 0{,}06499.$$ Нижняя кумулятивная вероятность \(P(3) = \operatorname{erfc}(0{,}408248) \approx 0{,}56373\), а верхняя \(Q(3) = \operatorname{erf}(0{,}408248) \approx 0{,}43627\). Как и ожидалось, \(P + Q = 1\).

Частые вопросы

Что произойдёт, если \(c\) равно нулю или отрицательно? Параметр масштаба должен быть строго положительным; при \(c \le 0\) калькулятор выдаёт ошибку.

Почему плотность равна 0, когда \(x\) равно \(\mu\)? Область определения начинается с \(x = \mu\): плотность поднимается от 0, достигает единственной моды, а затем медленно убывает, образуя тяжёлый правый хвост.

Есть ли у распределения Леви математическое ожидание? Нет. И среднее, и дисперсия бесконечны — именно поэтому распределение используют для моделирования явлений с экстремальными выбросами, например полётов Леви.

Последнее обновление:

Самые популярные в разделе Математика и статистика

Все калькуляторы раздела Математика и статистика