草稿:弗雷歇分布

此處的模板應該放置在討論頁：Draft talk:弗雷歇分布。

弗雷歇分布

機率密度函數
累積分布函數
母數	$\ \alpha \in (0,\infty )\$為 形狀母數. (推廣後可以包括兩個額外的母數$\ s\$ 和 $\ m\$) $\ s\in (0,\infty )\$ 為尺度母數 (default: $\ s=1\$) $\ m\in (-\infty ,\infty )\$ 為最小值的位置母數 (默認： $\ m=0\$)
值域	$\ x>m\$
機率密度函數	$\ {\frac {\ \alpha \ }{s}}\left({\frac {\ x-m\ }{s}}\right)^{-1-\alpha }~e^{-({\frac {x-m}{s}})^{-\alpha }}\$
累積分布函數	$\ e^{-({\frac {x-m}{s}})^{-\alpha }}\$
Quantile	$\ \left[\ -\ln p\ \right]^{-{\tfrac {1}{\alpha }}}\ s+m\$
期望值	${\begin{cases}\ m\ +\ s\ \Gamma \left(1-{\tfrac {1}{\alpha }}\right)~~&~\alpha >1\\\ \infty &\alpha \leq 1\\\end{cases}}$
中位數	$\ m\ +\ {\frac {s}{\ {\log _{e}(2)}^{\tfrac {1}{\alpha }}\ }}$
眾數	$\ m\ +\ s\left({\frac {\alpha }{\ 1+\alpha }}\right)^{1/\alpha \ }$
變異數	${\begin{cases}\ s^{2}\left[\ \Gamma \left(1-{\tfrac {2}{\alpha }}\right)-\left[\Gamma \left(1-{\tfrac {1}{\alpha }}\right)\right]^{2}\ \right]~~&~\alpha >2\\\ \infty &\alpha \leq 2\\\end{cases}}$
偏度	${\begin{cases}\ {\frac {\ A\ }{\ {\sqrt {B^{3}\ }}\ }}~~&~\alpha >3\\\ \infty &\alpha \leq 3\\\end{cases}}$ ${\begin{aligned}{\text{其中}}~~A\ \equiv \ &\Gamma \left(1-{\tfrac {3}{\alpha }}\right)\\&-\ 3\ \Gamma \left(1-{\tfrac {2}{\alpha }}\right)\ \Gamma \left(1-{\tfrac {1}{\alpha }}\right)\\&\quad +\ 2{\Bigl [}\ \Gamma \left(1-{\tfrac {1}{\alpha }}\right)\ {\Bigr ]}^{3}\ \end{aligned}}$ $~\quad ~~B\ \equiv \ \Gamma \left(1-{\tfrac {2}{\alpha }}\right)\ -\ {\Bigr [}\ \Gamma \left(1-{\tfrac {1}{\alpha }}\right)\ {\Bigr ]}^{2}~$。
峰度	${\begin{cases}\ -6\ +\ {\frac {\ C\ }{\;D^{2}}}~~&~\alpha >4\\\ \infty &~\alpha \leq 4\\\end{cases}}$ ${\begin{aligned}{\text{其中}}~~C\ \equiv \ &\Gamma \left(1-{\tfrac {4}{\alpha }}\right)\\&-\ 4\ \Gamma \left(1-{\tfrac {3}{\alpha }}\right)\ \Gamma \left(1-{\tfrac {1}{\alpha }}\right)\\&\qquad +\ 3\ {\Bigl [}\ \Gamma \left(1-{\tfrac {2}{\alpha }}\right)\ {\Bigr ]}^{2}\ \end{aligned}}$ $~\quad ~~D\ \equiv \ \Gamma \left(1-{\tfrac {2}{\alpha }}\right)\ -\ {\Bigl [}\ \Gamma \left(1-{\tfrac {1}{\alpha }}\right)\ {\Bigr ]}^{2}~$。
熵	$\ 1+{\frac {\gamma }{\alpha }}+\gamma _{e}+\ln \left({\frac {s}{\alpha }}\right)\ ,$ 其中 $\ \gamma _{e}\$ 是歐拉-馬斯刻若尼常數。
動差母函數	註： 如果 $\ \alpha >k\$，矩 $\ k\$ 存在。
特徵函數

弗雷歇分布（Fréchet distribution），也稱為逆韋伯分布，是一種極值分布，屬於廣義極值分布（Generalized Extreme Value Distribution, GEV）中的一類，主要用於描述在極端事件中可能出現的最大值。它的累積分布函數為

$\ \Pr(\ X\leq x\ )=e^{-x^{-\alpha }}~~~~~(x>0)~.$

其中α > 0是形狀母數。它可以推廣到包含位置母數m （最小值）和尺度母數s > 0的累積分布函數

$\ \Pr(\ X\leq x\ )=\exp \left[\ -\left({\tfrac {\ x-m\ }{s}}\right)^{-\alpha }\ \right]~~~~~~(x>m)~.$

該分布以 1927 年發表相關論文的莫里斯·弗雷歇（Maurice Fréchet）的名字命名， 1928 年羅納德·艾爾默·費希爾和倫納德·亨利·卡勒布·蒂皮特（Fisher 和 Tippett）以及 1958 年埃米爾·朱利葉斯·甘貝爾（Gumbel）又對其進行了進一步的研究。

特徵

有單母數$\alpha \$的弗雷歇分布，具有標準化矩$\mu _{k},$

$\mu _{k}=\int _{0}^{\infty }x^{k}f(x)\ \operatorname {d} x=\int _{0}^{\infty }t^{-{\frac {k}{\alpha }}}e^{-t}\ \operatorname {d} t\ ,$

（$\ t=x^{-\alpha }\$ ），對於$\ k<\alpha \ :$

$\ \mu _{k}=\Gamma \left(1-{\frac {k}{\alpha }}\right)\$

其中$\ \Gamma \left(z\right)\$是Gamma 函數。

它有以下特性：

• $\alpha >1$期望是$E[X]=\Gamma (1-{\tfrac {1}{\alpha }})$
• $\alpha >2$方差是${\text{Var}}(X)=\Gamma (1-{\tfrac {2}{\alpha }})-{\big (}\Gamma (1-{\tfrac {1}{\alpha }}){\big )}^{2}.$

$y$的次序的分位數$q_{y}$可以通過分布的倒數來表示，

$q_{y}=F^{-1}(y)=\left(-\log _{e}y\right)^{-{\frac {1}{\alpha }}}$.

其中，中位數是：

$q_{1/2}=(\log _{e}2)^{-{\frac {1}{\alpha }}}.$

分布的眾數是$\left({\frac {\alpha }{\alpha +1}}\right)^{\frac {1}{\alpha }}.$

特別是對於 3 母數弗雷歇分布，第一個四分位數是$q_{1}=m+{\frac {s}{\sqrt[{\alpha }]{\log(4)}}}$和第三個四分位數$q_{3}=m+{\frac {s}{\sqrt[{\alpha }]{\log({\frac {4}{3}})}}}.$

平均值和眾數的分位數也是：

$F(mean)=\exp \left(-\Gamma ^{-\alpha }\left(1-{\frac {1}{\alpha }}\right)\right)$

$F(mode)=\exp \left(-{\frac {\alpha +1}{\alpha }}\right).$

應用

擬合極端單日降雨量的累積弗雷歇分布

• 在水文學中，弗雷歇分布適用於極端事件，例如年度最大單日降雨量和河流流量。圖片由 CumFreq 製作，展示了將弗雷歇分布與阿曼年度最大單日降雨量次序擬合的示例，以及對應二項分布的 90% 置信區間。在累積頻率分析中，降雨數據的累積頻率通過繪製散點圖來表示。

然而，在大多數水文應用中，分布擬合往往是通過廣義極值分布進行的，因為這樣避免了強加分布沒有下限的假設（正如弗雷歇分布所要求的那樣）。

擬合下降曲線分析。Duong 模型可以被認為是弗雷歇分布的推廣。

• 在下降曲線分析中，一口井的石油或天然氣產量隨時間序列數據呈下降趨勢，可以用弗雷歇分布來描述。
• 評估多變量分布是否漸近相關或獨立的一個測試是使用變換將數據轉換為標準弗雷歇邊界$Z_{i}=-1/\log F_{i}(X_{i})$，然後從笛卡爾坐標映射到偽極坐標$(R,W)=(Z_{1}+Z_{2},Z_{1}/(Z_{1}+Z_{2}))$ 。$R\gg 1$對應於至少一個比重較大的極值，而$W$近似 1 或 0 僅對應於一個成分為極值。
• 在經濟學中，它用於模擬個人對不同產品（產業組織）、地點（城市經濟學）或公司（勞動經濟學）的偏好的特殊成分。

相關的分布

• 弗雷歇分布的累積分布函數可用於求解最大穩定性假設方程

尺度關係

• 如果$\ X\sim U(\ 0,1\ )\$ （連續均勻分布）則$\ m+s\cdot {\Bigl (}-\log _{e}\!(X)\ {\Bigr )}^{\frac {-1\;}{\alpha }}\sim {\textsf {Frechet}}(\alpha ,s,m)\$

• 如果$\ X\sim {\textsf {Frechet}}(\ \alpha ,s,m=0\ )\$那麼它的倒數服從韋伯分布： $\ {\frac {\ 1\ }{X}}\sim {\textsf {Weibull}}\!\left(\ k=\alpha ,\lambda ={\tfrac {1}{s}}\ \right)\$

• 如果$\ X\sim {\textsf {Frechet}}(\alpha ,s,m)\$，然後$\ k\ X+b\sim {\textrm {Frechet}}(\ \alpha ,ks,k\ m+b\ )\$

• 如果 $\ X_{i}\sim {\textsf {Frechet}}(\ \alpha ,s,m\ )\$，並且 $\ Y=\max\{\ X_{1},\ldots ,X_{n}\ \}\$，那麼 $\ Y\sim {\textsf {Frechet}}(\ \alpha ,n^{\tfrac {1}{\alpha }}s,m\ )\$

特性

• Frechet 分布是最大穩定分布
• 具有 Frechet 分布的隨機變量的負數是最小穩定分布

參見

• 2型甘貝爾分布
• Fisher–Tippett–Gnedenko定理

更多閱讀

• Kotz, S.; Nadarajah, S. Extreme Value Distributions: Theory and applications. World Scientific. 2000. ISBN 1-86094-224-5. 

外部連結

• Hurairah, Ahmed; Ibrahim, Noor Akma; bin Daud, Isa; Haron, Kassim. An application of a new extreme value distribution to air pollution data. Management of Environmental Quality. February 2005, 16 (1): 17–25. Bibcode:2005MEnvQ..16...17H. ISSN 1477-7835. doi:10.1108/14777830510574317. 
• wfrechstat: Mean and variance for the Frechet distribution. Wave Analysis for Fatigue and Oceanography (WAFO) (Matlab software & docs). Centre for Mathematical Science. Lund University / Lund Institute of Technology. [11 November 2023] –透過www.maths.lth.se. 

Category:連續分布

{{subst:void|只需點選下面的「發佈變更」按鈕而不更改任何內容！這樣做會提交您的文章提交以供審核。保存本頁面後（您的草稿的內容並沒有消失，而是在上一個章節中），您將在提交頁面的按鈕處找到一個新的黃色「查看等待」框。如果您之前提交過您的頁面，則舊的粉紅色「提交已拒絕」模板或舊的灰色「草稿」模板仍會顯示在您提交頁面的頂部，但您應該忽略它。同樣，請不要在此文本編輯畫面中更改任何內容。只需按下面的「發佈變更」按鈕即可。