Genelleştirilmiş Pareto Dağılımı Hesaplayıcı

Genelleştirilmiş Pareto Dağılımı Hesaplayıcı

Büyüyen AI Skill PRO

Hesaplamaya Girin

Formül

f(x)=1σ(1+ξx−μσ)−1ξ−1,x≥μf(x) = \frac{1}{{\sigma}}\left(1 + {\xi}\,\frac{x - {\mu}}{{\sigma}}\right)^{-\frac{1}{{\xi}} - 1}, \qquad x \ge {\mu}
Kullanım istatistikleri

Reklam

Sonuç

x noktasındaki fonksiyon değeri = 1
1
boyutsuz (ilk değerlendirilen nokta)
x Fonksiyon değeri y
1 1
1,1 0,82644628
1,2 0,69444444
1,3 0,59171598
1,4 0,51020408
1,5 0,44444444
1,6 0,390625
1,7 0,34602076
1,8 0,30864198
1,9 0,27700831
2 0,25
2,1 0,22675737
2,2 0,20661157
2,3 0,18903592
2,4 0,17361111
2,5 0,16
2,6 0,14792899
2,7 0,13717421
2,8 0,12755102
2,9 0,11890606
3 0,11111111
3,1 0,10405827
3,2 0,09765625
3,3 0,09182736
3,4 0,08650519
3,5 0,08163265
3,6 0,07716049
3,7 0,07304602
3,8 0,06925208
3,9 0,06574622
4 0,0625
4,1 0,0594884
4,2 0,05668934
4,3 0,05408329
4,4 0,05165289
4,5 0,04938272
4,6 0,04725898
4,7 0,04526935
4,8 0,04340278
4,9 0,04164931
5 0,04
5,1 0,03844675
5,2 0,03698225
5,3 0,03559986
5,4 0,03429355
5,5 0,03305785
5,6 0,03188776
5,7 0,0307787
5,8 0,02972652
5,9 0,02872738
6 0,02777778
6,1 0,0268745
6,2 0,02601457
6,3 0,02519526
6,4 0,02441406
6,5 0,02366864
6,6 0,02295684
6,7 0,02227668
6,8 0,0216263
6,9 0,02100399
7 0,02040816
7,1 0,01983733
7,2 0,01929012
7,3 0,01876525
7,4 0,0182615
7,5 0,01777778
7,6 0,01731302
7,7 0,01686625
7,8 0,01643655
7,9 0,01602307
8 0,015625
8,1 0,01524158
8,2 0,0148721
8,3 0,01451589
8,4 0,01417234
8,5 0,01384083
8,6 0,01352082
8,7 0,01321178
8,8 0,01291322
8,9 0,01262467
9 0,01234568
9,1 0,01207584
9,2 0,01181474
9,3 0,01156203
9,4 0,01131734
9,5 0,01108033
9,6 0,01085069
9,7 0,01062812
9,8 0,01041233
9,9 0,01020304
10 0,01
10,1 0,00980296
10,2 0,00961169
10,3 0,00942596
10,4 0,00924556
10,5 0,00907029
10,6 0,00889996
10,7 0,00873439
10,8 0,00857339
10,9 0,0084168
11 0,00826446

Bu sayfadaki bir hatayı bildir

Genelleştirilmiş Pareto Dağılımı nedir?

Genelleştirilmiş Pareto Dağılımı (GPD), uç değer teorisinde dağılımların kuyruklarını, bir eşiğin üzerindeki aşımları ve finans, hidroloji ile güvenilirlik mühendisliğindeki ağır kuyruklu olguları modellemek için yaygın olarak kullanılan sürekli bir olasılık dağılımıdır. Üç parametreyle tanımlanır: bir konum parametresi \(\mu\), bir ölçek parametresi \(\sigma\) (pozitif olmak zorundadır) ve kuyruğun ağırlığını belirleyen bir şekil parametresi \(\xi\). Bu, herhangi bir bölgesel ya da yasal kapsamı bulunmayan, tamamen matematiksel bir araçtır.

Ortak bir eksende farklı şekil parametrelerine sahip üç Genelleştirilmiş Pareto olasılık yoğunluğu eğrisi
Negatif, sıfır ve pozitif şekil parametresi ξ için Genelleştirilmiş Pareto PDF biçimleri.

Bu hesaplayıcı nasıl kullanılır?

İstediğiniz fonksiyonu seçin: olasılık yoğunluğu (PDF), alt kümülatif dağılım (CDF) ya da üst kümülatif hayatta kalma fonksiyonu. Üç parametreyi girin: \(\mu\), \(\sigma\) ve \(\xi\). Ardından x dizisini bir başlangıç değeri, bir artış adımı ve değerlendirilecek nokta sayısıyla tanımlayın. Hesaplayıcı, (x, y) çiftlerinden oluşan bir tablo ve bir çizgi grafiği üretir; ayrıca hızlı bir referans olması için ilk x'teki tek fonksiyon değerini de gösterir.

Formülün açıklaması

\(B = 1 + \xi\,\frac{x - \mu}{\sigma}\) olsun. \(\xi\) sıfırdan farklı olduğunda yoğunluk $$f(x) = \frac{1}{\sigma}\,B^{-\frac{1}{\xi} - 1},$$ CDF ise $$P(x) = 1 - B^{-\frac{1}{\xi}}$$ ve hayatta kalma fonksiyonu $$Q(x) = B^{-\frac{1}{\xi}} = 1 - P$$ şeklindedir. \(\xi\) sıfıra eşit olduğunda dağılım üstel forma indirgenir: $$f(x) = \frac{1}{\sigma}\,\exp\!\left(-\frac{x-\mu}{\sigma}\right)$$ ve $$P(x) = 1 - \exp\!\left(-\frac{x-\mu}{\sigma}\right).$$ Destek aralığı, \(\xi \ge 0\) iken \(x \ge \mu\); \(\xi < 0\) iken \(\mu \le x \le \mu - \frac{\sigma}{\xi}\) olur. Destek dışında yoğunluk 0'dır; P ve Q ise sınır değerlerine sabitlenir.

Reklam
Genelleştirilmiş Pareto yoğunluk eğrisinde konum, ölçek ve şekil parametrelerini gösteren diyagram
Konum μ, ölçek σ ve şekil ξ parametrelerinin eğriyi nasıl konumlandırıp şekillendirdiği.

Çözümlü örnek

CDF'yi \(\mu = 1\), \(\sigma = 1\), \(\xi = 1\) ile \(x = 2\) noktasında ele alalım. Buradan $$B = 1 + 1\cdot\frac{2-1}{1} = 2$$ olur, dolayısıyla $$P = 1 - 2^{-1} = 0{,}5.$$ Aynı noktada PDF değeri \(2^{-2} = 0{,}25\) ve hayatta kalma fonksiyonu \(Q = 2^{-1} = 0{,}5\) olup, \(P + Q = 1\) eşitliğini doğrular.

Reklam

Şekil Parametresi ξ Dağılımı Nasıl Değiştirir

Tablo \(\mu = 0\) ve \(\sigma = 1\) değerlerini sabitler ve yalnızca şekil parametresi \(\xi\)'yi değiştirir. \(z = x\) ile formüller \(f(x) = (1+\xi x)^{-1/\xi - 1}\), hayatta kalma \(Q(x) = (1+\xi x)^{-1/\xi}\) ve \(P(x) = 1 - Q(x)\) şeklindedir. \(\xi = 0\) için limit biçimleri \(f(x) = e^{-x}\) ve \(Q(x) = e^{-x}\)'tir.

ξ Destek Kuyruk türü x OYF f(x) BDF P(x) Hayatta kalma Q(x)
−0.5 0 ≤ x ≤ 2 (üst sınır \(\mu - \sigma/\xi = 2\)) Sınırlı (kısa kuyruk) 0.5 0.75 0.4375 0.5625
1 0.5 0.75 0.25
2 (uç nokta) 0 1 0
0 x ≥ 0 Üstel 0.5 0.6065 0.3935 0.6065
1 0.3679 0.6321 0.3679
2 0.1353 0.8647 0.1353
0.5 x ≥ 0 Ağır (kuvvet yasası) 0.5 0.512 0.36 0.64
1 0.2963 0.5556 0.4444
2 0.125 0.75 0.25

\(\xi = -0.5\), \(x = 0.5\) için adım adım kontrol: \(1 + \xi x = 1 - 0.25 = 0.75\). Üs \(-1/\xi = 2\) olduğundan \(Q = 0.75^{2} = 0.5625\) ve \(f = 0.75^{1} = 0.75\).

\(\xi = 0.5\), \(x = 1\) için adım adım kontrol: \(1 + \xi x = 1.5\). Buradan \(Q = 1.5^{-2} = 0.4444\) ve \(f = 1.5^{-3} = 0.2963\).

Satırlara bakıldığında \(x = 2\) noktasındaki hayatta kalma olasılığı \(\xi = -0.5\) için 0, \(\xi = 0\) için 0.1353 ve \(\xi = 0.5\) için 0.25'tir. Daha büyük bir \(\xi\), üst kuyrukta daha fazla olasılık bırakır.

Sıkça Sorulan Sorular

Sigma neden pozitif olmak zorunda? Sigma, birçok terimi bölen bir ölçek parametresidir; pozitif olmayan bir değer matematiksel olarak tanımsızdır, bu yüzden araç böyle bir girişe karşı koruma sağlar.

xi = 0 olduğunda ne olur? GPD, üstel dağılıma dönüşür. Hesaplayıcı, sıfıra bölmeyi önlemek için \(|\xi|\) çok küçük bir epsilon değerinin altına düştüğünde otomatik olarak üstel formüllere geçer.

x'i azalan yönde tarayabilir miyim? Evet. x değerlerini azalan sırada değerlendirmek için negatif bir artış adımı kullanın.

Son güncelleme:

Matematik ve İstatistik kategorisinde en popüler

Tüm Matematik ve İstatistik hesap makinelerini gör