Phân phối các giá trị cực trị


12

Nếu một mặt hàng theo phân phối bình thường, trung bình cũng theo phân phối bình thường. Còn tối thiểu và tối đa thì sao?


Bạn có thể muốn xem xét cuốn sách này .
mpiktas

1
@ user4211, bạn có hỏi về phân phối tối thiểu và tối đa của bất kỳ phân phối mẫu nào không, hay chỉ bình thường?
mpiktas

Câu trả lời:


13

Bạn nên có một cái nhìn vào số liệu thống kê đơn hàng . Dưới đây là một tổng quan rất ngắn gọn.

Hãy để là một mẫu iid kích thước n rút ra từ một dân số với chức năng phân phối F và mật độ xác suất chức năng f . Xác định Y 1 = X ( 1 ) , ... , Y r = X ( r ) , ... , Y n = X ( n ) , nơi X ( r ) biểu thị r thứ tự thống kê của mẫuX1,XnnFfY1=X(1),,Yr=X(r),,Yn=X(n)X(r)r , tức là, nó r thứ giá trị nhỏ nhất.X1,Xnr

Nó có thể được chỉ ra rằng xác suất chung hàm mật độ của Y1,,Yn

nếu y 1 < y 2 < ... < y n 0 ngược lại.fX(1),,X(n)(y1,,yn)=n!i=1nf(yi)y1<y2<<yn0

Bằng cách tích hợp các phương trình trước, chúng ta có được

fX(r)(x)=n!(r1)!(nr)!f(x)(F(x))r1(1F(x))nr

Đặc biệt, tối thiểu và tối đa, chúng tôi có

fX(1)(x)=nf(x)(1F(x))n1

fX(n)(x)=nf(x)(F(x))n1


+1, tôi đã sửa một lỗi nhỏ trong công thức cuối cùng thứ hai.
mpiktas

Cảm ơn ocram, câu trả lời rất ấn tượng vì vậy tôi đã kiểm tra như câu trả lời hay nhưng bây giờ bạn có thể làm cho nó bằng tiếng Anh đơn giản không, cảm ơn :) Bằng cách nào bạn đặt phương trình trong stackexchnage?
dùng4211

bạn có ý nghĩa gì chính xác? Bạn đã yêu cầu pdf tối thiểu và tối đa, và hai cái này được đưa ra bởi f X ( n ) , tương ứng. Vì vậy, nếu bạn vẽ nhiều mẫu và tính min cho mỗi mẫu, thì cuối cùng bạn sẽ có một biến ngẫu nhiên với pdf f X ( 1 ) . Là nó ổn? fX(1)fX(n)fX(1)
ocram

5

Bạn cũng có thể muốn đọc lên bản phân phối giá trị cực trị (GEV) . Nó chỉ ra rằng khi thì (chuyển và quy mô) phân chia giá trị tối đa của hội tụ mẫu để một trong ba trường hợp đặc biệt của phân phối GEV.n


Liên kết tuyệt vời sẽ đọc nó
user4211

1

Tổng của Gaussian là Gaussian. Đó là lý do tại sao trung bình là bình thường. Sự phân phối của bất kỳ hàm phi tuyến tính nào của (rất nhiều) Gaussian không cần phải là Gaussian và thường thì không. Đó là trường hợp của hàm tối đa. Để tính gần đúng mức tối đa của một Gaussian đa biến, Hothorn là một nơi tốt để bắt đầu.


rất thú vị sẽ đọc hothorn
user4211
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.