Распространение металога
Металогическое распределение — это гибкое непрерывное распределение вероятностей, разработанное для простоты использования на практике. Вместе со своими преобразованиями семейство непрерывных распределений металога уникально, поскольку оно воплощает в себе все следующие свойства: практически неограниченную гибкость формы; выбор между неограниченными, полуограниченными и ограниченными распределениями; простота подгонки данных с помощью линейного метода наименьших квадратов; в замкнутой форме простые уравнения функции квантиля (обратный CDF ), которые облегчают моделирование ; простой PDF-файл закрытой формы ; и байесовское обновление в закрытой форме с учетом новых данных. Более того, как и ряд Тейлора , металогические распределения могут иметь любое количество членов, в зависимости от желаемой степени гибкости формы и других потребностей приложения.
Приложения, в которых могут быть полезны металогические распределения, обычно включают в себя подгонку эмпирических данных, смоделированных данных или квантилей , полученных экспертами, для сглаживания, непрерывного распределения вероятностей. Области применения весьма разнообразны и включают экономику, науку, технику и многие другие области. Дистрибутивы металогов, также известные как дистрибутивы Килина, были впервые опубликованы в 2016 году. [1] Том Килин. [2]
История
[ редактировать ]Историю вероятностных распределений можно частично рассматривать как развитие событий в направлении большей гибкости формы и границ при подгонке к данным . Нормальное распределение было впервые опубликовано в 1756 году. [3] и теорема Байеса в 1763 году. [4] Нормальное распределение заложило основу для большей части развития классической статистики. о состоянии информации, основанных на убеждениях Напротив, теорема Байеса заложила основу для представлений . Поскольку вероятности, основанные на убеждениях, могут принимать любую форму и иметь естественные границы, необходимы были достаточно гибкие распределения вероятностей, чтобы учесть и то, и другое. Более того, многие наборы эмпирических и экспериментальных данных имели формы, которые не могли быть хорошо сопоставлены с нормальным или другими непрерывными распределениями . Так начался поиск непрерывных распределений вероятностей с гибкими формами и границами.
В начале 20 века Пирсон [5] семейство распределений, включающее нормальное , бета , равномерное , гамма , t студента , хи-квадрат , F и пять других, [6] стал крупным достижением в области гибкости формы. За ними последовал Джонсон [7] [8] распределения. Оба семейства могут представлять первые четыре момента данных ( среднее значение , дисперсия , асимметрия и эксцесс ) с помощью плавных непрерывных кривых. Однако они не способны сопоставлять моменты пятого или более высокого порядка. Более того, при заданной асимметрии и эксцессе выбор границ отсутствует. Например, сопоставление первых четырех моментов набора данных может дать распределение с отрицательной нижней границей, даже если известно, что рассматриваемая величина не может быть отрицательной. Наконец, их уравнения включают трудноразрешимые интегралы и сложные статистические функции, поэтому для подбора данных обычно требуются итерационные методы.
В начале 21-го века аналитики принятия решений начали работать над разработкой непрерывных распределений вероятностей, которые точно соответствовали бы любым указанным трем точкам кумулятивной функции распределения для неопределенной величины (например, полученных экспертами , и квантили). Распределения семейств Пирсона и Джонсона, как правило, не подходили для этой цели. Кроме того, аналитики решений также искали распределения вероятностей, которые можно было бы легко параметризовать данными (например, с помощью линейного метода наименьших квадратов или, что то же самое, множественной линейной регрессии ). Представленный в 2011 году класс квантильно-параметризованных распределений (QPD) достиг обеих целей. Хотя по этой причине КПР является значительным достижением, первоначально оно использовалось для иллюстрации этого класса распределений — простое Q-нормальное распределение. [9] имели меньшую гибкость формы, чем семьи Пирсона и Джонсона, и не имели возможности представлять полуограниченные и ограниченные распределения. Вскоре после этого Килин [1] разработало семейство металогических распределений, еще один экземпляр класса QPD, который более гибок по форме, чем семейства Пирсона и Джонсона, предлагает выбор ограниченности, имеет уравнения в замкнутой форме, которые можно подогнать к данным с помощью линейного метода наименьших квадратов, и в закрытой форме имеет квантильные функции , которые облегчают моделирование методом Монте-Карло .
Определение и функция квантиля
[ редактировать ]Распределение металогов является обобщением логистического распределения , где термин «металог» является сокращением от «металогистический». Начиная с функции логистического квантиля , , Килин заменил разложение степенного ряда в кумулятивную вероятность для и параметры, которые управляют местоположением и масштабом соответственно. [10]
Килин обосновал эту замену пятью причинами. [10] Во-первых, результирующая функция квантиля будет иметь значительную гибкость формы, определяемую коэффициентами . Во-вторых, он будет иметь простую замкнутую форму, линейную по этим коэффициентам, а это означает, что их можно легко определить из CDF данных с помощью линейного метода наименьших квадратов . В-третьих, результирующая функция квантиля будет гладкой, дифференцируемой и аналитической гладкий PDF-файл , гарантируя, что будет доступен в закрытой форме. В-четвертых, моделирование будет облегчено за счет полученного в результате обратного CDF в закрытой форме . В-пятых, как ряд Тейлора , любое количество членов может использоваться в зависимости от желаемой степени гибкости формы и других потребностей применения.
Обратите внимание, что индексы -коэффициенты таковы, что и находятся в расширение, и находятся в расширение, и после этого индексы чередуются. Такой порядок был выбран таким образом, чтобы первые два члена результирующей металог-квантильной функции точно соответствовали логистическому распределению; добавив третий член с корректирует асимметрию; добавив четвертый член с в первую очередь регулирует эксцесс; а добавление последующих ненулевых членов дает более тонкие уточнения формы. [10] : стр.252
Переписав функцию логистического квантиля, включив в нее указанные выше замены для и дает металог- квантильную функцию для кумулятивной вероятности .
Эквивалентно, металог-квантильная функция может быть выражена через базисные функции: , где металог-базисные функции равны и каждый последующий определяется как выражение, умноженное на в уравнении для выше. Обратите внимание, что коэффициент является медианой , поскольку все остальные члены равны нулю, когда . Особыми случаями металог-квантильной функции являются логистическое распределение ( ) и равномерное распределение ( в противном случае).
Функция плотности вероятности
[ редактировать ]Дифференциация относительно дает функцию плотности квантиля [11] . обратная этой величине, , — функция плотности вероятности, выраженная в виде p-PDF, [12]
что можно эквивалентно выразить через базисные функции как
- где .
Обратите внимание, что эта PDF выражается как функция кумулятивной вероятности, , а не интересующая переменная, . Чтобы построить PDF-файл (например, как показано на рисунках на этой странице), можно изменить параметрически, а затем построить график по горизонтальной оси и на вертикальной оси.
На основе приведенных выше уравнений и следующих преобразований, которые позволяют выбирать границы, семейство распределений металогов состоит из неограниченных, полуограниченных и ограниченных металогов, а также их особых случаев триплета симметричных процентилей (SPT).
Неограниченные, полуограниченные и ограниченные металогические распределения.
[ редактировать ]Как определено выше, металогическое распределение неограничено, за исключением необычного особого случая, когда для всех терминов, содержащих . Однако многие приложения требуют гибких распределений вероятностей, имеющих нижнюю границу. , верхняя граница или и то, и другое. Чтобы удовлетворить эту потребность, Килин использовал преобразования для получения полуограниченных и ограниченных металогических распределений. [1] Такие преобразования подчиняются общему свойству функций квантиля: для любой функции квантиля и повышение функции также является функцией квантиля . [13] Например, функция квантиля нормального распределения равна ; поскольку натуральный логарифм, , — возрастающая функция, — функция квантиля логнормального распределения . Аналогично, применяя это свойство к металогической функции квантиля использование приведенных ниже преобразований дает полуограниченные и ограниченные члены семейства металогов. рассматривая для распространения металогов все члены семейства металогов соответствуют критериям Килина и Паули. [9] определение квантильно-параметризованного распределения и, таким образом, обладать его свойствами.
Обратите внимание, что количество параметров формы в семействе металогов увеличивается линейно с увеличением количества термов. . Следовательно, любой из вышеперечисленных металогов может иметь любое количество параметров формы. Напротив, семейства распределений Пирсона и Джонсона ограничены двумя параметрами формы.
Дистрибутивы металогов SPT
[ редактировать ]Металоговые распределения симметричных процентилей (SPT) представляют собой трехчленное распределение. частный случай неограниченных, полуограниченных и ограниченных металогических распределений. [14] Они параметризуются тремя указывает на кривую CDF вида , , и , где . Металоги SPT полезны, например, когда квантили соответствующие вероятностям CDF (например, ) извлекаются из эксперта и используются для параметризации трехчленных металогических распределений. Как отмечено ниже, некоторые математические свойства упрощаются параметризацией SPT.
Характеристики
[ редактировать ]Семейство металогов вероятностных распределений обладает следующими свойствами.
Технико-экономическое обоснование
[ редактировать ]Функция формы или любое из его вышеуказанных преобразований является допустимым распределением вероятностей тогда и только тогда, когда его PDF больше нуля для всех [9] Это подразумевает ограничение осуществимости набора коэффициентов ,
- для всех .
В практических приложениях осуществимость обычно следует проверять, а не предполагать. Для , обеспечивает осуществимость. Для (включая металоги SPT), условие осуществимости и . [14] Для , была получена аналогичная замкнутая форма. [15] Для осуществимость обычно проверяется графически или численно.
Неограниченный металог и его приведенные выше преобразования имеют один и тот же набор допустимых коэффициентов. [16] Следовательно, для заданного набора коэффициентов, подтверждая, что для всех достаточно независимо от используемого преобразования.
Выпуклость
[ редактировать ]Набор допустимых металог-коэффициентов для всех является выпуклым . Поскольку задачи выпуклой оптимизации требуют выпуклых допустимых множеств, это свойство может упростить задачи оптимизации, связанные с металогами. Более того, это свойство гарантирует, что любая выпуклая комбинация допустимы векторы возможных металогов, что полезно, например, при объединении мнений нескольких экспертов. [17] или интерполяция среди возможных металогов. [18] Подразумевается, что любая вероятностная смесь распределений металогов сама по себе является металогом.
Подгонка к данным
[ редактировать ]Коэффициенты может быть определена по данным линейным методом наименьших квадратов . Данный точки данных которые предназначены для характеристики металогического CDF, и матрица элементы которого состоят из базисных функций , то пока обратим, вектор-столбец коэффициентов дается , где и вектор-столбец . Если , это уравнение сводится к , где результирующий CDF металога проходит точно по всем точкам данных. Для металогов SPT это далее сводится к выражениям в терминах трех точки напрямую. [14]
Альтернативный метод аппроксимации, реализованный в виде линейной программы, определяет коэффициенты путем минимизации суммы абсолютных расстояний между CDF и данными с учетом ограничений осуществимости. [19]
Гибкость формы
[ редактировать ]Согласно теореме металогической гибкости, [17] любое распределение вероятностей с непрерывной функцией квантиля может быть сколь угодно близко аппроксимировано металогом. Более того, в оригинальной статье Килин показал, что десятичленные металогические распределения, параметризованные 105 точками CDF из 30 традиционных исходных распределений (включая нормальное распределение, распределение Стьюдента, логнормальное распределение, гамма-распределение, бета-распределение и распределение экстремальных значений), аппроксимируют каждый такой источник. распределение на расстоянии KS 0,001 или меньше. [20] Таким образом, гибкость формы металога практически неограничена.
Анимированный рисунок справа иллюстрирует это для стандартного нормального распределения, где металоги с различным количеством термов параметризуются одним и тем же набором из 105 точек из стандартного нормального CDF. Металог PDF сходится к стандартному нормальному PDF по мере увеличения количества терминов. С двумя членами металог аппроксимирует нормальное логистическое распределение. С каждым увеличением количества терминов соответствие становится ближе. Благодаря 10 терминам металог PDF и стандартный обычный PDF визуально неотличимы.
Аналогично, девятичленные полуограниченные металогические PDF-файлы с визуально неотличимы от ряда распределений Вейбулла . Шесть случаев, показанных справа, соответствуют параметрам формы Вейбулла 0,5, 0,8, 1,0, 1,5, 2 и 4. В каждом случае металог параметризуется девятью точки из CDF Вейбулла, соответствующие кумулятивным вероятностям .
Такая сходимость не является уникальной для нормального распределения и распределения Вейбулла. Килин первоначально показал аналогичные результаты для широкого спектра распределений. [20] и с тех пор предоставил дополнительные иллюстрации. [17] [21]
медиана
[ редактировать ]Медиана любого распределения в семействе металогов имеет простую замкнутую форму. Обратите внимание, что определяет медиану и (поскольку все последующие члены равны нулю для ). Отсюда следует, что медианы распределений неограниченного металога, логарифмического металога, металога с отрицательным логарифмом и логитного металога равны , , , и , соответственно.
Моменты
[ редактировать ]The момент неограниченного распределения металога, , является частным случаем более общей формулы для КФД. [9] Для неограниченного металога такие интегралы оцениваются как моменты замкнутой формы, которые полиномы порядка в коэффициентах . Первые четыре центральных момента четырехчленного неограниченного металога таковы:
В эти уравнения включены моменты для меньшего количества членов. Например, моменты трехчленного металога можно получить, полагая до нуля. Моменты для металогов с большим количеством членов и моменты более высокого порядка ( ), также доступны. [22] Моменты для полуограниченных и ограниченных металогов недоступны в закрытой форме.
Параметризация с моментами
[ редактировать ]Трехчленные неограниченные металоги можно параметризовать в замкнутой форме с помощью первых трех центральных моментов . Позволять и — среднее значение, дисперсия и асимметрия, и пусть быть стандартизованной асимметрией, . Эквивалентные выражения моментов через коэффициенты и коэффициентов через моменты следующие:
Эквивалентность этих двух наборов выражений можно вывести, заметив, что уравнения моментов слева определяют кубический многочлен через коэффициенты и , которые можно решить в замкнутом виде как функции и . Более того, это решение уникально. [23] В терминах моментов условие осуществимости имеет вид , что, как можно показать, эквивалентно следующему условию осуществимости с точки зрения коэффициентов: ; и . [23]
Это свойство можно использовать, например, для представления суммы независимых, неидентично распределенных случайных величин . На основе кумулянтов известно, что для любого набора независимых случайных величин среднее значение, дисперсия и асимметрия суммы представляют собой суммы соответствующих средних значений, дисперсий и асимметрий. Параметризация трехчленного металога этими центральными моментами дает непрерывное распределение, которое точно сохраняет эти три момента и, соответственно, обеспечивает разумное приближение к форме распределения суммы независимых случайных величин.
Моделирование
[ редактировать ]Поскольку их квантильные функции выражены в замкнутой форме, металоги облегчают моделирование методом Монте-Карло . Подставляя равномерно распределенные случайные выборки в функцию квантиля Metalog (обратный CDF) производит случайные выборки в закрытой форме, тем самым устраняя необходимость инвертировать CDF. См. ниже приложения для моделирования.
Получение и объединение экспертного мнения
[ редактировать ]Благодаря своей гибкости формы распределения металогов могут быть привлекательным выбором для получения и представления экспертного мнения. [24] Более того, если мнения нескольких экспертов выражаются как -термовые металоги, консенсусное мнение может быть рассчитано как -терм металог в закрытой форме, где -коэффициенты консенсусного металога представляют собой просто средневзвешенное значение коэффициентов отдельных экспертов. [17] Этот результат следует из Винцентизации , где консенсусная функция квантиля представляет собой средневзвешенное значение отдельных функций квантилей.
Байесовское обновление в закрытой форме
[ редактировать ]В классической статье Говарда (1970) [25] показывает, как бета-биномиальное распределение можно использовать для обновления, согласно правилу Байеса в закрытой форме, неопределенности в отношении долгосрочной частоты. подбрасывания монеты выпадают «орлом» в свете новых данных о подбрасывании монеты. Напротив, если интересующая неопределенность, подлежащая обновлению, определяется не скалярной вероятностью дискретного события (например, результата подбрасывания монеты), а функцией плотности вероятности непрерывной переменной, можно использовать металог-байесовское обновление. При определенных условиях параметры металог-квантиля и -коэффициенты могут обновляться в закрытом виде с учетом новых данных согласно правилу Байеса . [17]
Приложения
[ редактировать ]Благодаря гибкости формы и границ металоги можно использовать для представления эмпирических или других данных практически в любой области человеческой деятельности.
- Астрономия . Металоги применялись для оценки рисков падения астероида. [26]
- Кибербезопасность . Металоги использовались при оценке рисков кибербезопасности. [19] [27]
- Выявление и объединение экспертных мнений . Статистическое управление Канады получило экспертные мнения о будущих показателях рождаемости в Канаде от 18 экспертов, которые включали использование обратной связи в формате PDF в режиме реального времени на основе электронных таблиц на основе металогов из пяти терминов. Отдельные экспертные мнения затем были взвешены и объединены в общий прогноз на основе металогов. [24]
- Исследование и визуализация эмпирических данных . В биологии рыб 10-членное логарифмическое распределение металога (ограниченное ниже нулевым значением) соответствовало весу 3474 стальных форелей, пойманных и выпущенных на реке Бабин в Британской Колумбии в 2006–2010 годах. Бимодальность полученного распределения объясняется наличием в реке как первых, так и вторых производителей, последние из которых, как правило, весят больше. [28]
- Гидрология . Для моделирования вероятностного распределения годовых высот рек использовался полуограниченный металог из 10 членов. [29]
- Добыча нефти на месторождениях . Полуограниченные металоги SPT использовались для анализа отклонений в прогнозах добычи нефти по сравнению с наблюдаемой добычей постфактум. [30]
- Управление портфелем . Металоги SPT использовались для моделирования коммерческой ценности новых продуктов и портфелей продуктов. [31]
- Распределение входных данных моделирования . Для обоснования решения по тендеру неопределенность относительно будущей стоимости каждого из 259 финансовых активов была представлена в виде металога SPT. Было показано, что моделирование общей стоимости портфеля дает более реалистичные результаты, чем соответствующее моделирование, основанное на дискретных низких, медианных и высоких значениях для каждого актива. [32]
- Распределение результатов моделирования . Металоги также использовались для подбора выходных данных моделирования, чтобы представить эти результаты в виде непрерывных распределений в закрытой форме (как в CDF, так и в PDF). При таком использовании они обычно более стабильны и плавны, чем гистограммы. [32]
- Суммы логнормальных чисел . Металоги позволяют представить в закрытой форме известные дистрибутивы, CDF которых не имеют выражения в закрытой форме. Килин и др. (2019) [18] примените это к сумме независимых одинаково распределенных логнормальных распределений, где квантили суммы могут быть определены с помощью большого количества симуляций. Девять таких квантилей используются для параметризации полуограниченного металогического распределения, которое проходит точно через каждый из этих девяти квантилей. Параметры квантилей хранятся в таблице, которую затем можно интерполировать для получения промежуточных значений; эти значения гарантированно выполнимы благодаря свойству выпуклости, указанному выше.
Выбор количества терминов
[ редактировать ]Для данного приложения и набора данных выбор количества металогических терминов зависит от контекста и может потребовать суждения. Для привлечения экспертов обычно достаточно трех-пяти сроков. Для исследования данных и сопоставления других вероятностных распределений, таких как сумма логнормальных чисел, обычно достаточно восьми-12 членов. Панель металога, на которой отображаются PDF-файлы металога, соответствующие разному количеству терминов. для данного набора данных может помочь в этом суждении. Например, в металлической панели с грузом Steelhead, [1] использование менее семи терминов, возможно, не соответствует данным, поскольку скрывает присущую им бимодальность. Использование более 11 терминов не является необходимым и в принципе может привести к переобучению данных. Случай с 16 терминами для этого набора данных невозможен, о чем свидетельствует пустая ячейка на панели металога. Другие инструменты, такие как регуляризация и выбор модели ( информационный критерий Акаике и байесовский информационный критерий ), также могут быть полезны. Например, применительно к данным о весе стальной головки рейтинг AIC распределений металогов из 2–16 терминов наряду с широким диапазоном классических распределений определяет металог из 11 терминов как наиболее подходящий для этих данных. Аналогичный рейтинг BIC определяет металог журнала из 10 терминов как наиболее подходящий. Килин (2016) [1] предлагает дальнейшие взгляды на выбор дистрибутива внутри семейства металогов. [33]
Связанные дистрибутивы
[ редактировать ]Металогические распределения относятся к группе распределений, определяемых с помощью функции квантиля , к которой относятся квантильно-параметризованные распределения , лямбда-распределение Тьюки , его обобщение, GLD, [34] Распределение Говиндараджулу [35] и другие. [13] Следующие дистрибутивы относятся к семейству металогов:
- Логистическое распределение — это частный случай неограниченного металога, где для всех .
- Равномерное распределение является частным случаем: 1) неограниченного металога, где , , и в противном случае; и 2) ограниченный металог, где , , , , и в противном случае.
- , Логарифмическое распределение также известное в экономике как распределение Фиска, представляет собой особый случай логарифмического металога, где , и для всех .
- Логарифмически -равномерное распределение является частным случаем логарифмического металога, где , , , и в противном случае.
- Логит-логистическое распределение [36] является частным случаем логит-металога, где для всех .
Программное обеспечение
[ редактировать ]Для работы с дистрибутивами металога можно использовать свободно доступные программные инструменты:
- Рабочие книги Excel. При вставке или вводе данных CDF мгновенно отображаются металоги (с выбором границ).
- Рабочая тетрадь металогов SPT [37] вычисляет 2–3 металога термов, определяемых тремя Данные CDF.
- Рабочая тетрадь металогов [38] рассчитывает 2–16 металогов терминов (включая панель металогов), определяемых 2–10 000 Данные CDF.
- ELD (равновероятные данные) Рабочие тетради Metalog [39] рассчитать 2–16 металогов терминов, определяемых 2–10 000 Данные CDF, где Панели и металоги рассчитываются автоматически.
- Р. рметалог [40] (в Комплексной сети архивов R, CRAN ).
- Питон. Пиметалог [41] близко отражает пакет R. Металогистический [42] использует преимущества платформы SciPy .
- MakeDistribution.com [43] облегчает экспериментирование с металогами, параметризованными несколькими точками данных CDF. Калькулятор металога SPT, [44] металог калькулятор [45] и металогический калькулятор ELD [46] представляют собой онлайн-версии книг Excel.
- Инструменты моделирования SIPmath [47] поддержка распределений металогов в надстройке Excel для моделирования.
- Программное обеспечение Lumina Analytica Free 101 [48] для моделирования и помощи в принятии трудных решений.
- Конструктор металогов BayesFusion [49] позволяет интерактивно создавать дистрибутивы металогов. Genie компании BayesFusion [50] (академическая версия программного обеспечения бесплатна для академических исследований и преподавания) реализует дистрибутивы металогов.
Коммерчески доступные пакеты также поддерживают использование металогических дистрибутивов:
- Решатели FrontLine: аналитический решатель, RASON и Solver SDK, [51] программное обеспечение для оптимизации. Автоматически подбирает пользовательские данные ко всему диапазону металогических распределений (ограниченных и неограниченных, многочленных) и предоставляет возможность сравнивать металогические распределения с классическими распределениями на основе выбранных пользователем критериев согласия.
- Анализ одинокой звезды: программное обеспечение TruNavigator и AnalyticsOS [52] для прогнозной и предписывающей аналитики.
Ссылки
[ редактировать ]- ^ Jump up to: а б с д и Килин, Томас В. (2016). «Распределения металогов» (PDF) . Анализ решений . 13 (4): 243–277. дои : 10.1287/дека.2016.0338 . ISSN 1545-8490 . Архивировано из оригинала 28 ноября 2016 г.
- ^ «Об авторе» . www.metalogdistributions.com . Проверено 13 февраля 2021 г.
- ^ Де Муавр, А. (1756). Учение о шансах: или Метод расчета вероятностей событий в игре (Том 1). Издательская компания Челси.
- ^ Байес, Т. (1763). ЛИИ. Эссе к решению проблемы учения о шансах. Покойный преподобный г-н Байес, ФРС сообщил г-ну Прайсу в письме Джону Кантону, AMFR S. Philosophical transacts of the Royal Society of London, (53), стр. 370–418.
- ^ Джонсон Н.Л., Коц С., Балакришнан Н. Непрерывные одномерные распределения, Том 1, второе издание, John Wiley & Sons, Ltd, 1994, стр. 15–25.
- ^ Орд, Дж. К., 1972. Семейства частотных распределений. Чарльз Гриффин и Ко, Лтд, Лондон. Таблица 1.1, стр. 6.
- ^ Джонсон, Нидерланды (1949). «Системы частотных кривых, порожденные методами трансляции» . Биометрика . 36 (1/2): 149–176. дои : 10.2307/2332539 . JSTOR 2332539 . ПМИД 18132090 .
- ^ Тадикамалла, Панду Р.; Джонсон, Норман Л. (1982). «Системы частотных кривых, порожденные преобразованиями логистических переменных» . Биометрика . 69 (2): 461–465. дои : 10.1093/biomet/69.2.461 . JSTOR 2335422 .
- ^ Jump up to: а б с д Килин, Томас В.; Паули, Брэдфорд В. (4 августа 2011 г.). «Квантильно-параметризованные распределения» (PDF) . Анализ решений . 8 (3): 206–219. дои : 10.1287/дека.1110.0213 . ISSN 1545-8490 . Архивировано из оригинала 1 сентября 2011 г.
- ^ Jump up to: а б с Килин Т.В. (2016). «Распределения металогов». Анализ решений. 13 (4): 243–277.
- ^ Парзен, Э., 1979, Непараметрическое моделирование статистических данных, Журнал Американской статистической ассоциации, 7, 105–131.
- ^ p-PDF: функция плотности вероятности, выраженная как функция кумулятивной вероятности. а не переменная, представляющая интерес ; эквивалентно, «функция квантиля плотности», как она определена Парзеном Э., 1979, Непараметрическое статистическое моделирование данных, Журнал Американской статистической ассоциации, 7, 105–131.
- ^ Jump up to: а б Гилкрист, Уоррен (15 мая 2000 г.). Статистическое моделирование с использованием квантильных функций . Чепмен и Холл/CRC. дои : 10.1201/9781420035919 . ISBN 978-0-429-11920-0 .
- ^ Jump up to: а б с Килин, Томас В. (2016). «Распределения металогов». Анализ решений . 13 (4): 243–277. дои : 10.1287/дека.2016.0338 .
- ^ «Осуществимость дистрибутивов Metalog» . www.metalogdistributions.com . Проверено 13 февраля 2021 г.
- ^ Паули, BW (2013). «Методы квантильных функций для анализа решений». Следствие 12, стр. 30. Кандидатская диссертация, Стэнфордский университет.
- ^ Jump up to: а б с д и Килин, Томас В. и Рональд А. Ховард. (2021). «Распределения Metalog: практически неограниченная гибкость формы, объединение экспертного мнения в закрытой форме и байесовское обновление в закрытой форме». Препринты OSF. doi: 10.31219/osf.io/xdg5e.
- ^ Jump up to: а б Килин Т.В., Крисман Л. и Сэвидж С.Л. (2019). «Металогические распределения и чрезвычайно точные суммы логнормальных чисел в замкнутой форме». WSC '19: Материалы зимней конференции по моделированию. 3074–3085.
- ^ Jump up to: а б Фабер, Эй Джей (2019). Управление киберрисками: предупреждения об угрозах, генерируемые искусственным интеллектом (докторская диссертация, Стэнфордский университет).
- ^ Jump up to: а б Килин, Томас В. (2016). «Распределения металогов» . Анализ решений . 13 (4): 243–277. дои : 10.1287/дека.2016.0338 .
- ^ «Гибкость формы дистрибутивов Metalog» . www.metalogdistributions.com . Проверено 13 февраля 2021 г.
- ^ «Моменты распространения металога» . www.metalogdistributions.com . Проверено 13 февраля 2021 г.
- ^ Jump up to: а б «Эквивалентность параметризаций коэффициентов и моментов трехчленного металога» . www.metalogdistributions.com . Проверено 28 марта 2021 г.
- ^ Jump up to: а б Дион П., Гэлбрейт Н., Сираг Э. (2020). «Использование экспертной информации для построения долгосрочных прогнозных предположений». В «Развитиях демографического прогнозирования», глава 3, стр. 43–62. Спрингер
- ^ Ховард, Рональд А. (1970). «Анализ решений: перспективы умозаключений, решений и экспериментов». Труды IEEE . 58 (5): 632–643. дои : 10.1109/PROC.1970.7719 .
- ^ Рейнхардт, Джейсон С.; Чен, Си; Лю, Вэньхао; Манчев, Петар; Пате-Корнелл, М. Элизабет (2016). «Оценка астероидного риска: вероятностный подход» . Анализ рисков . 36 (2): 244–261. Бибкод : 2016РискА..36..244Р . дои : 10.1111/risa.12453 . ПМИД 26215051 . S2CID 23308354 .
- ^ Ван, Цзяли; Нил, Мартин; Фентон, Норман (2020). «Байесовский сетевой подход для оценки рисков кибербезопасности, реализация и расширение модели FAIR» . Компьютеры и безопасность . 89 : 101659. doi : 10.1016/j.cose.2019.101659 . S2CID 209099797 .
- ^ Килин, Томас В. (2016). «Распределения металогов» . Анализ решений . 13 (4): 243–277. дои : 10.1287/дека.2016.0338 .
- ^ Килин, Томас В. (2016). «Распределения металогов» . Анализ решений . 13 (4): 243–277. дои : 10.1287/дека.2016.0338 .
- ^ Братволд, Рейдар Б.; Мохус, Эрленд; Петушниг, Дэвид; Бикель, Эрик (2020). «Прогнозирование производства: оптимистичное и самоуверенное — снова и снова» . Spe Оценка и проектирование резервуаров . 23 (3): 0799–0810. дои : 10.2118/195914-PA . S2CID 219661316 .
- ^ «Портфельный менеджер SmartOrg» . www.smartorg.com . Проверено 13 февраля 2021 г.
- ^ Jump up to: а б Килин, Томас В. (2016). «Распределения металогов» . Анализ решений . 13 (4): 243–277. дои : 10.1287/дека.2016.0338 .
- ^ Килин, Томас В. (2016). «Распределения металогов» . Анализ решений . 13 (4). Раздел 6.3, стр. 274–275. дои : 10.1287/дека.2016.0338 .
- ^ Рамберг, Джон С.; Шмайзер, Брюс В. (1 февраля 1974 г.). «Приближенный метод генерации асимметричных случайных величин» . Коммуникации АКМ . 17 (2): 78–82. дои : 10.1145/360827.360840 . ISSN 0001-0782 . S2CID 2640548 .
- ^ Наир, Н. Унникришнан; Шанкаран, П.Г.; Винешкумар, Б. (15 декабря 2012 г.). «Распределение Говиндараджулу: некоторые свойства и приложения» . Коммуникации в статистике - теория и методы . 41 (24): 4391–4406. дои : 10.1080/03610926.2011.573168 . ISSN 0361-0926 . S2CID 121096603 .
- ^ Ван, Минлян; Реннолс, Кейт (2005). «Моделирование распределения диаметров деревьев: введение в логит-логистическое распределение». Канадский журнал лесных исследований . 35 (6): 1305–1313. дои : 10.1139/x05-057 .
- ^ «Книга Excel металогов SPT» . www.metalogdistributions.com . Проверено 13 февраля 2021 г.
- ^ «Рабочая тетрадь металогов» . www.metalogdistributions.com . Проверено 13 февраля 2021 г.
- ^ «Рабочая тетрадь по металогам ELD» . www.metalogdistributions.com . Проверено 13 февраля 2021 г.
- ^ пакет rmetalog R
- ^ Пакет Python Pymetalog
- ^ Пакет металогистического Python
- ^ Веб-сайт MakeDistribution.com, поддерживающий эксперименты с металогами.
- ^ Онлайн-калькулятор металогов SPT.
- ^ Онлайн-калькулятор металога.
- ^ Онлайн-калькулятор металогов ELD.
- ^ Надстройка Excel "Инструменты для моделирования SIPmath"
- ^ Программное обеспечение Analytica Free 101 помогает моделировать сложные решения.
- ^ Metalog Builder от BayesFusion для интерактивного создания дистрибутивов металогов.
- ^ GeNIe BayesFusion
- ^ FrontLine Solvers: программное обеспечение Analytic Solver, RASON и Solver SDK для оптимизации.
- ^ Lone Star Analysis: TruNavigator и AnalyticsOS для прогнозной и предписывающей аналитики.
Внешние ссылки
[ редактировать ]- Веб-сайт Metalog Distributions, www.metalogs.org.
- YouTube-канал Metalog Distributions, обучающие видеоролики