耿贝尔分布，源于极值定理，常用于极端值分析，如洪水频率、海洋潮位等。在概率论和统计学中，它与最大值分布相关，尤其在水文学、海洋学和气候学等领域广泛应用。此外，Gumbel分布也在机器学习中的离散选择理论中有重要角色。
耿贝尔分布是样本最值的分布
摘选自一些网页的资料
度娘百科：
耿贝尔分布是根据极值定理导出，由费雪(R·A·Fisher ) 和蒂培特(L·H·C·Tippe -t t) 于1928 年发现各个样本的最大值分布将趋于三种极限形式种的一种，具体由型式参数K确定，当K=0的时候也就是耿贝尔分布，水文方面主要用第I 型渐近极值分布，是耿贝尔在1941年将此分布应用于洪水频率分析工作，所以也称Fisher一Tippe 优工型分布。
耿贝尔分布主要是适用于对海洋、水文、气象，来计算不同重现期的极端高(低)潮位。 [1] 海洋的年最高水位可以认为是由天文潮和许多随机因子的影响形成的。因此,它可以用耿贝尔极值I型分布函数进行拟合。
Wikipedia：
在概率论和统计学中，Gumbel分布（广义极值分布类型-I）用于模拟各种分布的多个样本的最大值（或最小值）的分布。如果存在过去十年的最大值列表，则该分布可用于表示特定年份中河流的最大水平的分布。它可用于预测极端地震，洪水或其他自然灾害发生的可能性。Gumbel分布代表最大值分布的潜在适用性与极值理论有关，表示如果基础样本数据的分布是正常或指数类型，它可能是有用的。本文的其余部分引用Gumbel分布来模拟最大值的分布。要对最小值建模，请使用原始值的负值。
Gumbel分布是广义极值分布（也称为Fisher-Tippett分布）的特例。它也被称为log- Weibull分布和双指数分布（或者有时用于表示拉普拉斯分布的术语）。它与Gompertz分布有关：当其密度首先反映原点然后限制为正半线时，获得Gompertz函数。
在多项logit模型的潜在变量公式中- 在离散选择理论中常见- 潜在变量的误差遵循Gumbel分布。这很有用，因为两个Gumbel分布的随机变量的差异具有逻辑分布。
Gumbel分布以Emil Julius Gumbel（1891-1966）命名，基于他描述分布的原始论文。[1] [2]
最低0.47元/天 解锁文章
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
