Máy tính phân vị (lượng phân vị) phân phối Pareto tổng quát

Máy tính phân vị (lượng phân vị) phân phối Pareto tổng quát

Mới nổi AI Skill PRO

Nhập phép tính

Công thức

x(P)=μ+σξ[(1−P)−ξ−1]trong đóP=Xác suất tích lũy\begin{gathered} x(P) = {\mu} + \frac{{\sigma}}{{\xi}}\left[(1-P)^{-{\xi}} - 1\right] \\[1.5em] \text{trong đó}\quad P = \text{Xác suất tích lũy} \end{gathered}
Thống kê sử dụng

Quảng cáo

Kết quả

Phân vị (x)
0,693147
giá trị x tại xác suất tích lũy đã cho
Xác suất tích lũy dưới P được sử dụng 0,5

Báo lỗi nội dung trang này

Phân vị của phân phối Pareto tổng quát là gì?

Phân phối Pareto tổng quát (GPD) là một phân phối xác suất liên tục được dùng phổ biến trong thống kê giá trị cực trị để mô hình hóa hành vi phần đuôi của dữ liệu — tức là các giá trị vượt ngưỡng cao. Phân vị (còn gọi là lượng phân vị hay điểm phần trăm) chính là giá trị x sao cho xác suất tích lũy F(x) bằng một xác suất P đã chọn. Máy tính này tính hàm phân phối tích lũy nghịch đảo (CDF nghịch đảo) dựa trên ba tham số chuẩn: vị trí mu, tỉ lệ sigma và hình dạng xi. Đây là một hàm thống kê thuần túy và không gắn với quốc gia hay khu vực pháp lý nào.

Đường mật độ xác suất Pareto tổng quát với vùng bên trái được tô màu và một điểm phân vị được đánh dấu trên trục x
Phân vị x là giá trị tại đó xác suất tích lũy phía dưới P bằng diện tích tô màu dưới đường mật độ GPD.

Cách sử dụng máy tính

Trước tiên hãy chọn chế độ tích lũy. Chọn "Tích lũy dưới P" khi xác suất của bạn là \(P = \Pr(X \le x)\). Chọn "Tích lũy trên Q" khi xác suất của bạn là xác suất sống sót \(Q = \Pr(X > x)\); khi đó công cụ sẽ tự chuyển đổi bằng công thức \(P = 1 - Q\). Tiếp theo, nhập xác suất tích lũy (nằm trong khoảng 0 đến 1), tham số vị trí mu, tham số tỉ lệ sigma (phải lớn hơn 0) và tham số hình dạng xi. Kết quả trả về là phân vị x tại điểm xác suất đó.

Giải thích công thức

Hàm CDF của GPD là $$F(x) = 1 - \left(1 + \xi\cdot\frac{x - \mu}{\sigma}\right)^{-1/\xi}$$ khi \(\xi \ne 0\), và $$F(x) = 1 - \exp\!\left(-\frac{x - \mu}{\sigma}\right)$$ khi \(\xi = 0\). Khi nghịch đảo để tìm x từ xác suất tích lũy dưới P, ta có $$x = \mu + \frac{\sigma}{\xi}\left[(1 - P)^{-\xi} - 1\right]$$ với \(\xi \ne 0\), và $$x = \mu - \sigma\cdot\ln(1 - P)$$ với \(\xi = 0\). Vì không thể chia cho xi khi nó bằng 0 nên mọi giá trị \(|\xi|\) nhỏ hơn \(1\mathrm{e}\text{-}12\) sẽ được xử lý theo trường hợp hàm mũ.

Quảng cáo
CDF nghịch đảo ánh xạ xác suất trên trục tung sang giá trị phân vị trên trục hoành theo đường tích lũy hình chữ S
Hàm phân vị là nghịch đảo của CDF: đọc xác suất P rồi dóng sang giá trị x tương ứng.

Ví dụ minh họa

Với chế độ = dưới, P = 0,9, mu = 0, sigma = 1, xi = 0,5: $$x = \frac{1}{0{,}5}\cdot\left[(1 - 0{,}9)^{-0{,}5} - 1\right] = 2\cdot\left[0{,}1^{-0{,}5} - 1\right] = 2\cdot[3{,}1622777 - 1] = 4{,}3245553.$$

Câu hỏi thường gặp

Điều gì xảy ra khi xi = 0? Phân phối GPD thu gọn thành phân phối mũ dịch chuyển, và lượng phân vị sẽ dùng công thức logarit nêu trên.

Phần đuôi trên có luôn vô hạn không? Không. Nếu \(\xi < 0\) thì miền giá trị bị chặn trên tại \(x = \mu - \sigma/\xi\); tại P = 1 máy tính sẽ trả về điểm cuối hữu hạn này. Nếu \(\xi \ge 0\) thì phần đuôi trên không bị chặn và P = 1 cho kết quả dương vô cùng.

Tại sao sigma phải là số dương? Tham số tỉ lệ sigma quyết định độ phân tán của phân phối; nếu sigma không dương thì phân phối sẽ không xác định.

Cập nhật lần cuối:

Phổ biến nhất trong Toán học và Thống kê

Xem tất cả máy tính Toán học và Thống kê