超高斯分布及亚高斯分布

超高斯分布:

超高斯分布式指随机过程X的四阶累计量恒大于零,并且关于其均值对称分布。相对于高斯分布,超高斯分布的随机过程分布区域较宽,呈现较宽的拖尾。工程中对于超高斯过程常常只指明其偏斜度为0,峭度大于0,即:

k_r=\frac{E[X-E(X)]^4-3 \cdot\{E[X-E(X)^2]^2\}}{\{E[X-E(X)]^2\}^2}>0

 

亚高斯分布:

亚高斯分布是指随机过程X的四阶几类恒小于0,并且关于其均值对称分布。相对于高斯分布,亚高斯随机应力分布比较均匀,分布区域较窄,工程中对于亚高斯过程常常只知名其偏斜度为0,峭度小于0,即:

k_r=\frac{E[X-E(X)]^4-3 \cdot\{E[X-E(X)^2]^2\}}{\{E[X-E(X)]^2\}^2}<0

  • 3
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Laplace分布和高斯分布都是概率统计学中常见的连续分布类型。 Laplace分布,也称为双指数分布,以法国数学家Laplace命名。它的概率密度函数特点是具有尖峰和厚尾特征,即在概率密度函数的零点两侧有尖峰,而在尾部的概率衰减很慢。这意味着Laplace分布具有较高的峰值和较长的尾部。这种分布通常用于建模具有突变或异常值的数据。 高斯分布,也称为正态分布,是自然界中最常见的分布之一。它是以德国数学家高斯命名的。高斯分布的概率密度函数呈钟形曲线,其中大多数数据集中在均值附近,而极端值的概率较低。这种分布在许多现实世界的现象中都有广泛的应用,例如测量误差、生物学特性、经济学现象等。 尽管Laplace分布和高斯分布有一些共同点,如都是连续分布、可用于建模实际数据等,但它们也有一些显著的区别。首先,在形状上,Laplace分布具有双峰特征,而高斯分布呈单峰特征。其次,在尾部特征上,Laplace分布具有较长的尾部,而高斯分布的尾部衰减更快。最后,在应用上,Laplace分布常用于异常检测、噪声建模等,而高斯分布广泛应用于参数估计、假设检验等。 总之,Laplace分布和高斯分布是两种常见的连续分布类型,它们在形状和尾部特征上有所不同,且在应用领域上也有所差异。了解它们的特点和应用场景,可以帮助我们更好地理解和分析实际数据。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值