Sự khác biệt giữa phân phối đuôi nặng và đuôi béo


22

Tôi nghĩ đuôi nặng = đuôi béo, nhưng một số bài báo tôi đọc cho tôi cảm giác rằng chúng không phải.

Một trong số họ nói: đuôi nặng có nghĩa là phân phối có thời điểm thứ j vô hạn cho một số nguyên j. Ngoài ra, tất cả các dfs trong miền thu hút của một Pareto df đều có đuôi nặng. Nếu mật độ có một đỉnh trung tâm cao và đuôi dài, thì sự suy yếu thường lớn. Một df với kurtosis lớn hơn 3 là đuôi béo hoặc leptokurtic. Tôi vẫn chưa có sự phân biệt cụ thể giữa hai thứ này (đuôi nặng so với đuôi béo). Bất kỳ suy nghĩ hoặc con trỏ đến các bài viết có liên quan sẽ được đánh giá cao.


1
Câu hỏi tuyệt vời. Có một loạt các mô tả đuôi khác có vẻ như có thể thay thế cho nhau ngay từ cái nhìn đầu tiên. Cụ thể, đuôi dài (đôi khi được sử dụng thay thế cho nhau với đuôi nặng, mập và phải), nếu bạn lấy câu đầu tiên của bài viết trên wikipedia về giá trị khuôn mặt, dường như là một tập hợp siêu béo và đuôi nặng (như được xác định cứng nhắc hơn trên các trang riêng của họ).
ness101

1
Tôi đã gặp phải một bản phân phối với các ngoại lệ hoang dã (% thay đổi hàng tuần của S & P 500) và đã quan tâm đến chủ đề này. Có những trường hợp tích phân MGF không hội tụ, nhưng tất cả các khoảnh khắc đều tồn tại. Đối với dữ liệu chứng khoán, phân phối t với 3 bậc tự do dường như phù hợp (ngoại trừ độ lệch).
dùng134581

Câu trả lời:


18

Tôi có thể nói rằng định nghĩa thông thường trong lý thuyết xác suất áp dụng là một nặng đúng đuôi phân phối là một trong những có chức năng tạo ra khoảnh khắc vô hạn trên , có nghĩa là, X có đuôi nặng ngay nếu E ( e t X ) = ,(0,)X Điều này phù hợp vớiWikipedia, trong đó đề cập đến các định nghĩa được sử dụng khác như định nghĩa bạn có (một số thời điểm là vô hạn). Ngoài ra còn có các lớp con quan trọng nhưphân phối đuôi dàiphân phối phụ. Ví dụ tiêu chuẩn của phân phối đuôi nặng, theo định nghĩa ở trên, với tất cả các khoảnh khắc hữu hạn là phân phối chuẩn log.

E(etX)= =,t>0.

Rất có thể là một số tác giả sử dụng đuôi béo và đuôi nặng có thể thay thế cho nhau, và những người khác phân biệt giữa đuôi béo và đuôi nặng. Tôi có thể nói rằng đuôi béo có thể được sử dụng một cách mơ hồ để chỉ béo hơn đuôi bình thường và đôi khi được sử dụng theo nghĩa leptokurtic (kurtosis tích cực) như bạn chỉ ra. Một ví dụ về phân phối như vậy, không có đuôi nặng theo định nghĩa ở trên, là phân phối logistic. Tuy nhiên, điều này không phù hợp với ví dụ Wikipedia , vốn hạn chế hơn nhiều và yêu cầu phần đuôi (bên phải) có sự phân rã theo luật công suất. Bài viết trên Wikipedia cũng cho thấy rằng đuôi béo và đuôi nặng là những khái niệm tương đương, mặc dù sự phân rã của luật điện mạnh hơn nhiều so với định nghĩa về đuôi nặng đưa ra ở trên.

(0,)


cảm ơn câu trả lời của bạn. Bây giờ tôi đã hiểu rõ hơn. Bạn có thể giải thích về câu cuối cùng của bạn: "phân tích các cực trị có sự khác biệt về chất giữa các phân phối với hàm tạo mô men hữu hạn trên một khoảng dương và các phân cực có hàm tạo mô men vô hạn trên (0,)."?
Dưa

2
@Melon, chắc chắn rồi. Đầu tiên, tôi đã chỉnh sửa "cực đoan" thành "sự kiện hiếm", điều này phù hợp hơn tôi tin. Cụ thể, điều tôi đã đề cập là bạn có thể sử dụng kỹ thuật đo lường thay đổi theo cấp số nhân nếu bạn có đuôi nhẹ (nghĩa là không phải đuôi nặng) và bạn cần các công cụ khác và nhận được các loại kết quả khác nhau, nếu Đuôi nặng. Một tài liệu tham khảo là Chương XIII về Xác suất và Hàng đợi được áp dụng .
NRH
Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.