Как я могу подобрать максимальное распределение Гамбеля, используя как оценки максимального правдоподобия, так и оценки метода моментов?
ПРИМЕЧАНИЕ.
Matlabsolutions.com предоставляет последнюю Помощь по домашним заданиям MatLab, Помощь по назначению MatLab, Помощь по финансовым заданиям для студентов, инженеров и исследователей в нескольких отраслях, таких как ECE, EEE, CSE, Mechanical, Civil со 100% выходом. Код Matlab для BE, B.Tech, ME, M.Tech, Ph.D. Ученые со 100% конфиденциальностью гарантированы. Получите проекты MATLAB с исходным кодом для обучения и исследований.
Обычное распределение Гамбеля моделирует *минимум *выборки и фиксируется в MATLAB с помощью «распределения экстремальных значений».
Оценки максимального правдоподобия в этом распределении для конкретного набора данных получаются с помощью функции «evfit».
Однако, если вместо этого мы хотим смоделировать *максимум*, нам нужно прибегнуть к другому подходу. По сути, максимальное распределение Гамбеля является зеркальным отражением минимального распределения Гамбеля, и, следовательно, мы все еще можем моделировать его, используя «распределение экстремальных значений». Преобразование набора данных путем принятия отрицательных значений позволяет нам отправлять максимумы в минимумы (и наоборот). Как следствие, подгонка «Распределения экстремальных значений» теперь будет моделировать максимум:
rng default; xMaxima = max(randn(1000,500), [], 2); pd = fitdist(-xMaxima,'ev')
Оценки максимального правдоподобия задаются «evfit»:
paramEstsMaxima = evfit(-xMaxima)
Имейте в виду, что любые последующие вычисления теперь основаны на преобразованном наборе данных. Например, если мы хотим рассчитать максимальное экстремальное значение при p = 0,99, нам нужно будет получить минимальное экстремальное значение при p = 0,01 в наборе данных-аналогов и преобразовать его обратно в максимальное, взяв отрицательные значения:
СМОТРИТЕ ПОЛНЫЙ ОТВЕТ НАЖМИТЕ НА ССЫЛКУ
