Distribució SU de Johnson

Infotaula distribució de probabilitatDistribució SU de Johnson
Funció de densitat de probabilitat
JohnsonSU
Funció de distribució de probabilitat
Johnson SU
Paràmetres γ , ξ , δ > 0 , λ > 0 {\displaystyle \gamma ,\xi ,\delta >0,\lambda >0} (real)
Suport  to  + {\displaystyle -\infty {\text{ to }}+\infty }
fdp δ λ 2 π 1 1 + ( x ξ λ ) 2 e 1 2 ( γ + δ sinh 1 ( x ξ λ ) ) 2 {\displaystyle {\frac {\delta }{\lambda {\sqrt {2\pi }}}}{\frac {1}{\sqrt {1+\left({\frac {x-\xi }{\lambda }}\right)^{2}}}}e^{-{\frac {1}{2}}\left(\gamma +\delta \sinh ^{-1}\left({\frac {x-\xi }{\lambda }}\right)\right)^{2}}}
FD Φ ( γ + δ sinh 1 ( x ξ λ ) ) {\displaystyle \Phi \left(\gamma +\delta \sinh ^{-1}\left({\frac {x-\xi }{\lambda }}\right)\right)}
Esperança matemàtica ξ λ exp δ 2 2 sinh ( γ δ ) {\displaystyle \xi -\lambda \exp {\frac {\delta ^{-2}}{2}}\sinh \left({\frac {\gamma }{\delta }}\right)}
Mediana ξ + λ sinh ( γ δ ) {\displaystyle \xi +\lambda \sinh \left(-{\frac {\gamma }{\delta }}\right)}
Variància λ 2 2 ( exp ( δ 2 ) 1 ) ( exp ( δ 2 ) cosh ( 2 γ δ ) + 1 ) {\displaystyle {\frac {\lambda ^{2}}{2}}(\exp(\delta ^{-2})-1)\left(\exp(\delta ^{-2})\cosh \left({\frac {2\gamma }{\delta }}\right)+1\right)}

La distribució SU de Johnson és una família de quatre paràmetres de distribució de probabilitats investigada per primera vegada per N. L. Johnson el 1949.[1][2] Johnson la va proposar com una transformació de la distribució normal:[3]

z = γ + δ sinh 1 ( x ξ λ ) {\displaystyle z=\gamma +\delta \sinh ^{-1}\left({\frac {x-\xi }{\lambda }}\right)}

on z N ( 0 , 1 ) {\displaystyle z\sim {\mathcal {N}}(0,1)} .

Generació de variables aleatòries

Sigui U una variable aleatòria que es distribueix uniformement en l'interval unitari [0, 1]. Les variables aleatòries SU de Johnson poden generar-se a partir d'U de la manera següent:

x = λ sinh ( Φ 1 ( U ) γ δ ) + ξ {\displaystyle x=\lambda \sinh \left({\frac {\Phi ^{-1}(U)-\gamma }{\delta }}\right)+\xi }

on Φ és la funció de distribució acumulada de la distribució normal.

Distribució SB de Johnson

Norman Lloyd Johnson va ser el primer en proposar la transformació:[1]

z = γ + δ log ( x ξ ξ + λ x ) {\displaystyle z=\gamma +\delta \log \left({\frac {x-\xi }{\xi +\lambda -x}}\right)}

on z N ( 0 , 1 ) {\displaystyle z\sim {\mathcal {N}}(0,1)} .

Les variables aleatòries SB de Johnson es poden generar a partir d'U de la següent manera:

x = λ ( 1 + exp ( Φ 1 ( U ) γ δ ) ) + ξ {\displaystyle x=\lambda \left(1+\exp \left(-{\frac {\Phi ^{-1}(U)-\gamma }{\delta }}\right)\right)+\xi }

on Φ és la funció de distribució acumulada de la distribució normal. La distribució SB de Johnson és convenient per a distribucions de Platykurtic (curtosi).

Referències

  1. 1,0 1,1 Johnson, N. L. «Systems of Frequency Curves Generated by Methods of Translation». Biometrika, 36, 1/2, 1949, pàg. 149–176. DOI: 10.2307/2332539. JSTOR: 2332539.
  2. Johnson, N. L. «Bivariate Distributions Based on Simple Translation Systems». Biometrika, 36, 3/4, 1949, pàg. 297–304. DOI: 10.1093/biomet/36.3-4.297. JSTOR: 2332669.
  3. Johnson (1949) "Systems of Frequency Curves...", p. 158

Bibliografia

  • Hill, I. D.; Hill, R.; Holder, R. L. «Algorithm AS 99: Fitting Johnson Curves by Moments». Journal of the Royal Statistical Society. Series C (Applied Statistics), 25, 2, 1976.
  • Jones, M. C.; Pewsey, A. «Sinh-arcsinh distributions». Biometrika, 96, 4, 2009, pàg. 761. DOI: 10.1093/biomet/asp053.(Preprint)
  • Tuenter, Hans J. H. «An algorithm to determine the parameters of SU-curves in the Johnson system of probability distributions by moment matching». The Journal of Statistical Computation and Simulation, 70, 4, novembre 2001, pàg. 325–347. DOI: 10.1080/00949650108812126.
  • Vegeu aquesta plantilla
Distribucions discretes
amb suport finit
Distribucions discretes
amb suport infinit
Distribucions contínues
suportades sobre un interval acotat
Distribucions contínues
suportades sobre un interval semi-infinit
Distribucions contínues
suportades en tota la recta real
Distribucions contínues
amb el suport de varis tipus
Barreja de distribució variable-contínua
Distribució conjunta
Discreta
Ewens
Multinomial
Multinomial de Dirichlet
Multinomial negativa
Contínua
Dirichlet
Dirichlet generalitzada
Estable multivariant
Gamma normal
Gamma normal inversa
Normal multivariable
t multivariable
Matriu de valor
Matriu gamma
Matriu gamma inversa
Matriu normal
Normal de Wishart
Normal de Wishart inversa
t matriu
Wishart
Wishart inversa
Direccionals
Univariada (circular)
Asimètrica de Laplace envoltada
Cauchy envoltada
Exponencial envoltada
Lévy envoltada
Normal envoltada
Circular uniforme
Univariada de von Mises
Bivariada (esfèrica)
Kent
Bivariada (toroidal)
Bivariada de von Mises
Multivariada
von Mises-Fisher
Bingham
Degenerada i singular
Degenerada
Delta de Dirac
Singular
Cantor
Famílies