Искажение нормального распределения
Функция плотности вероятности ![]() | |||
Кумулятивная функция распределения ![]() | |||
Параметры | местоположение ( реальное ) масштаб (положительный, реальный ) форма ( настоящая ) | ||
---|---|---|---|
Поддерживать | |||
CDF | это Т-функция Оуэна | ||
Иметь в виду | где | ||
Режим | |||
Дисперсия | |||
асимметрия | |||
Избыточный эксцесс | |||
МГФ | |||
CF |
В теории вероятностей и статистике асимметричное нормальное распределение — это непрерывное распределение вероятностей , которое обобщает нормальное распределение , допуская ненулевую асимметрию .
Определение
[ редактировать ]Позволять обозначаем стандартную нормальную функцию плотности вероятности
с кумулятивной функцией распределения, определяемой выражением
где «erf» — функция ошибки . Тогда функция плотности вероятности (pdf) косонормального распределения с параметром дается
Это распределение было впервые введено О'Хаганом и Леонардом (1976). [1] Альтернативные формы этого распределения с соответствующей функцией квантиля были предложены Ашуром и Абдель-Хамидом. [2] и Мудхолкар и Хатсон. [3]
Случайный процесс, лежащий в основе распределения, был описан Анделом, Нетукой и Зварой (1984). [4] И распределение, и его основа стохастического процесса были следствием аргумента симметрии, развитого Чаном и Тонгом (1986): [5] что применимо к многомерным случаям, выходящим за рамки нормальности, например, асимметрическому многомерному t-распределению и другим. Распределение является частным случаем общего класса распределений с функциями плотности вероятности вида где является ли любой PDF-файл симметричным относительно нуля и — это любой CDF , PDF которого симметричен относительно нуля. [6]
Чтобы добавить к этому параметры местоположения и масштаба , делается обычное преобразование . Можно проверить, что нормальное распределение восстанавливается, если , и что абсолютное значение асимметрии увеличивается с увеличением абсолютного значения увеличивается. Распределение искажено вправо, если и остается перекошенным, если . Функция плотности вероятности с местоположением , шкала и параметр становится
Неровность ( ) распределения ограничено чуть меньшим интервала ( ).
Как было показано, [7] режим (максимум) дистрибутива уникальна. Для общего нет аналитического выражения для , но вполне точная (численная) аппроксимация:
Оценка
[ редактировать ]максимального правдоподобия для Оценки , , и могут быть вычислены численно, но выражение для оценок в закрытой форме недоступно, если только . Напротив, метод моментов имеет выражение в замкнутой форме, поскольку уравнение асимметрии можно обратить с помощью
где и знак то же самое, что и знак . Следовательно, , , и где и среднее и стандартное отклонение. Пока асимметрия выборки не слишком велика, эти формулы обеспечивают метод оценки моментов , , и на основе образца , , и .
Максимальная (теоретическая) асимметрия получается установкой в уравнении асимметрии, что дает . Однако возможно, что асимметрия выборки больше, и тогда не может быть определена из этих уравнений. Поэтому при автоматическом использовании метода моментов, например, для получения начальных значений для итерации максимального правдоподобия, следует, например, позволить (например) .
Была выражена обеспокоенность по поводу влияния асимметричных нормальных методов на надежность выводов, основанных на них. [8]
Связанные дистрибутивы
[ редактировать ]Экспоненциально модифицированное нормальное распределение — это еще одно трехпараметрическое распределение, которое является обобщением нормального распределения на асимметричные случаи. Нормаль перекоса по-прежнему имеет хвост, похожий на нормальный, в направлении перекоса и более короткий хвост в другом направлении; то есть его плотность асимптотически пропорциональна для позитива . Таким образом, с точки зрения семи состояний случайности это показывает «правильную мягкую случайность». Напротив, экспоненциально модифицированная нормаль имеет экспоненциальный хвост в направлении перекоса; его плотность асимптотически пропорциональна . В тех же терминах это демонстрирует «пограничную легкую случайность».
Таким образом, асимметричная нормаль полезна для моделирования асимметричных распределений, которые, тем не менее, не имеют больше выбросов, чем нормальное, в то время как экспоненциально модифицированная нормаль полезна для случаев с увеличением частоты выбросов (только) в одном направлении.
См. также
[ редактировать ]Ссылки
[ редактировать ]- ^ О'Хаган, А.; Леонард, Том (1976). «Байесовская оценка подвержена неопределенности в отношении ограничений параметров». Биометрика . 63 (1): 201–203. дои : 10.1093/biomet/63.1.201 . ISSN 0006-3444 .
- ^ Ашур, Самир К.; Абдель-Хамид, Махмуд А. (октябрь 2010 г.). «Приблизительное перекос нормального распределения» . Журнал перспективных исследований . 1 (4): 341–350. дои : 10.1016/j.jare.2010.06.004 . ISSN 2090-1232 .
- ^ Мудхолкар, Говинд С.; Хатсон, Алан Д. (февраль 2000 г.). «Эпсилон-асимметричное нормальное распределение для анализа данных, близких к нормальному». Журнал статистического планирования и выводов . 83 (2): 291–309. дои : 10.1016/s0378-3758(99)00096-8 . ISSN 0378-3758 .
- ^ Андел Дж., Нетука И. и Звара К. (1984) О пороговых авторегрессионных процессах. Кибернетика, 20, 89-106
- ^ Чан, Канзас; Тонг, Х. (март 1986 г.). «Заметка о некоторых интегральных уравнениях, связанных с анализом нелинейных временных рядов» . Теория вероятностей и смежные области . 73 (1): 153–158. дои : 10.1007/bf01845999 . ISSN 0178-8051 . S2CID 121106515 .
- ^ Аззалини, А. (1985). «Класс распределений, включающий нормальные». Скандинавский статистический журнал . 12 : 171–178.
- ^ Аззалини, Адельчи; Капитанио, Антонелла (2014). Косонормальные и родственные семьи . стр. 32–33. ISBN 978-1-107-02927-9 .
- ^ Пьюси, Артур. «Проблемы вывода асимметричного нормального распределения Аззалини». Журнал прикладной статистики 27.7 (2000): 859-870.
Внешние ссылки
[ редактировать ]- Многомерное асимметрично-нормальное распределение с применением к массе тела, росту и индексу массы тела.
- Очень краткое введение в асимметричное нормальное распределение.
- Асимметрично-нормальное распределение вероятностей (и связанные с ним распределения, такие как асимметрия-t)
- ОУЭНС: T-функция Оуэна , заархивировано 14 июня 2010 г. в Wayback Machine.
- Распределения с закрытой асимметрией — моделирование, инверсия и оценка параметров