Điều này có thể được thực hiện bằng cách sử dụng phép chuyển đổi sinh-arcsinh từ
Jones, MC và Pewsey A. (2009). Sinh-arcsinh phân phối . Biometrika 96: 761 Bắn780.
Việc chuyển đổi được định nghĩa là
H( x ; ϵ ,δ) =sinh[ δsinh- 1( x ) - ϵ ] ,( ⋆ )
trong đó và . Khi chuyển đổi này được áp dụng cho bình thường CDF , nó tạo ra một bản phân phối unimodal có các tham số kiểm soát xiên và kurtosis, tương ứng (Jones và Pewsey, 2009), theo nghĩa của van Zwet (1969) . Ngoài ra, nếu và , chúng tôi có được phân phối chuẩn ban đầu. Xem mã R sau đây. δ ∈ R + S ( x ; ε , δ ) = Φ [ H ( x ; ε , δ ) ] ( ε , δ ) ε = 0 δ = 1ϵ ∈ Rδ∈ R+S( x ; ϵ ,δ) = Φ [ H( X ; ε , δ) ]( Ε , δ)ε = 0δ= 1
fs = function(x,epsilon,delta) dnorm(sinh(delta*asinh(x)-epsilon))*delta*cosh(delta*asinh(x)-epsilon)/sqrt(1+x^2)
vec = seq(-15,15,0.001)
plot(vec,fs(vec,0,1),type="l")
points(vec,fs(vec,1,1),type="l",col="red")
points(vec,fs(vec,2,1),type="l",col="blue")
points(vec,fs(vec,-1,1),type="l",col="red")
points(vec,fs(vec,-2,1),type="l",col="blue")
vec = seq(-5,5,0.001)
plot(vec,fs(vec,0,0.5),type="l",ylim=c(0,1))
points(vec,fs(vec,0,0.75),type="l",col="red")
points(vec,fs(vec,0,1),type="l",col="blue")
points(vec,fs(vec,0,1.25),type="l",col="red")
points(vec,fs(vec,0,1.5),type="l",col="blue")
Do đó, bằng cách chọn một chuỗi các tham số thích hợp , bạn có thể tạo một chuỗi phân phối / biến đổi với các mức độ lệch và kurtosis khác nhau và làm cho chúng trông giống hoặc khác với phân phối bình thường như bạn muốn.( ϵn, δn)
Biểu đồ sau đây cho thấy kết quả được tạo bởi mã R. Cho (i) và và (ii) và .δ = 1 ε = 0 δ = ( 0,5 , 0,75 , 1 , 1,25 , 1,5 )ϵ = ( - 2 , - 1 , 0 , 1 , 2 )δ= 1 ε = 0δ= ( 0,5 , 0,75 , 1 , 1,25 , 1,5 )
Việc mô phỏng phân phối này rất đơn giản khi bạn chỉ cần chuyển đổi một mẫu bình thường bằng cách sử dụng nghịch đảo của .( ⋆ )
H- 1( X ; ε , δ) = sinh[ δ- 1( sinh- 1( X ) + ε ) ]