المرجع الالكتروني للمعلوماتية
المرجع الألكتروني للمعلوماتية

الرياضيات
عدد المواضيع في هذا القسم 9761 موضوعاً
تاريخ الرياضيات
الرياضيات المتقطعة
الجبر
الهندسة
المعادلات التفاضلية و التكاملية
التحليل
علماء الرياضيات

Untitled Document
أبحث عن شيء أخر المرجع الالكتروني للمعلوماتية
الشكر قناة موصلة للنعم الإلهية
2025-01-12
أسباب ودوافع الكفران وطرق علاجه
2025-01-12
عواقب كفران النعمة
2025-01-12
معنى كفران النعمة
2025-01-12
دور الإدارة الحكوميـة فـي التنـميـة التكـنولوجـيـة 2
2025-01-12
دور الإدارة الحكوميـة فـي التنـميـة التكـنولوجـيـة 1
2025-01-12

Conductors, Insulators and Semiconductors
14-5-2020
برنامج عام لمكافحة الأمراض البكتيرية للنباتات الورقية في البيوت المحمية
2023-07-23
منهج المفسرين في تقرير الأحكام
8-3-2016
مفهوم استعمالات الأرض
8-11-2020
Is gene therapy available to treat my disorder
1-11-2020
صفات الجودة في البصل
2024-11-19

Gumbel Distribution  
  
1998   02:21 صباحاً   date: 6-4-2021
Author : Gumbel, E. J.
Book or Source : "Multivariate Extremal Distributions." Bull. Inst. Internat. de Statistique 37
Page and Part : ...


Read More
Date: 2-5-2021 2824
Date: 9-2-2021 1711
Date: 14-2-2021 1321

Gumbel Distribution

There are essentially three types of Fisher-Tippett extreme value distributions. The most common is the type I distribution, which are sometimes referred to as Gumbel types or just Gumbel distributions. These are distributions of an extreme order statistic for a distribution of N elements X_i. In this work, the term "Gumbel distribution" is used to refer to the distribution corresponding to a minimum extreme value distribution (i.e., the distribution of the minimum X^(<1>)).

The Gumbel distribution with location parameter alpha and scale parameter beta is implemented in the Wolfram Language as GumbelDistribution[alphabeta].

It has probability density function and distribution function

P(x) = 1/betaexp[(x-alpha)/beta-exp((x-alpha)/beta)]

(1)

D(x) = 1-exp[-exp((x-alpha)/beta)].

(2)

The mean, variance, skewness, and kurtosis excess are

mu = alpha-gammabeta

(3)

sigma^2 = 1/6pi^2beta^2

(4)

gamma_1 = -(12sqrt(6)zeta(3))/(pi^3)

(5)

gamma_2 = (12)/5,

(6)

where gamma is the Euler-Mascheroni constant and zeta(3) is Apéry's constant.

ExtremeValueDistribution

The distribution of X^(<1>) taken from a continuous uniform distribution over the unit interval has probability function

 P_N(x)=Nx^(N-1),

(7)

and distribution function

 D_N(x)=x^N.

(8)

The kth raw moment is given by

(9)

The first few central moments are

mu_2 = N/((N+1)^2(N+2))

(10)

mu_3 = -(2N(N-1))/((N+1)^3(N^2+5N+6))

(11)

mu_4 = (N(9N^2-3N+6))/((N+1)^4(N+2)(N+3)(N+4)).

(12)

The mean, variance, skewness, and kurtosis excess are therefore given by

mu = N/(N+1)

(13)

sigma^2 = N/((N+1)^2(N+2))

(14)

gamma_1 = -(2(N-1))/(N+3)sqrt((N+2)/N)

(15)

gamma_2 = (6(N^3-N^2-6N+2))/(N(N+3)(N+4)).

(16)

If X_i are instead taken from a standard normal distribution, then the corresponding cumulative distribution is

F(x) = 1/(sqrt(2pi))int_(-infty)^xe^(-t^2/2)dt

(17)

= 1/2+Phi(x),

(18)

where Phi(x) is the normal distribution function. The probability distribution of X^(<1>) is then

P(M_n<x) = [F(x)]^n

(19)

= n/(sqrt(2pi))int_(-infty)^x[F(t)]^(n-1)e^(-t^2/2)dt.

(20)

The mean mu(n) and variance sigma^2(n) are expressible in closed form for small n,

mu(1) = 0

(21)

mu(2) = 1/(sqrt(pi))

(22)

mu(3) = 3/(2sqrt(pi))

(23)

mu(4) = 3/(2sqrt(pi))[1+2/pisin^(-1)(1/3)]

(24)

mu(5) = 5/(4sqrt(pi))[1+6/pisin^(-1)(1/3)]

(25)

and

sigma^2(1) = 1

(26)

sigma^2(2) = 1-1/pi

(27)

sigma^2(3) = (4pi-9+2sqrt(3))/(4pi)

(28)

sigma^2(4) = 1+(sqrt(3))/pi-mu^2(4)

(29)

sigma^2(5) = 1+(5sqrt(3))/(4pi)+(5sqrt(3))/(2pi^2)sin^(-1)(1/4)-mu^2(5).

(30)

No exact expression is known for mu(6) or sigma^2(6), but there is an equation connecting them

 mu^2(6)+sigma^2(6)=1+(5sqrt(3))/(4pi)+(15sqrt(3))/(2pi^2)sin^(-1)(1/4).

(31)


REFERENCES:

Gumbel, E. J. "Multivariate Extremal Distributions." Bull. Inst. Internat. de Statistique 37, 471-475, 1960a.

Gumbel, E. J. "Distributions del valeurs extremes en plusieurs dimensions." Publ. l'Inst. de Statistique, Paris 9, 171-173, 1960b.

Gumbel, E. J. "Bivariate Logistic Distributions." J. Amer. Stat. Assoc. 56, 335-349, 1961.

Gumbel, E. J. and Mustafi, C. K. "Some Analytical Properties of Bivariate Extreme Distributions." J. Amer. Stat. Assoc. 62, 569-588, 1967.

Johnson, N.; Kotz, S.; and Balakrishnan, N. Continuous Univariate Distributions, Vol. 2, 2nd ed. New York: Wiley, 1995.




الجبر أحد الفروع الرئيسية في الرياضيات، حيث إن التمكن من الرياضيات يعتمد على الفهم السليم للجبر. ويستخدم المهندسون والعلماء الجبر يومياً، وتعول المشاريع التجارية والصناعية على الجبر لحل الكثير من المعضلات التي تتعرض لها. ونظراً لأهمية الجبر في الحياة العصرية فإنه يدرّس في المدارس والجامعات في جميع أنحاء العالم. ويُعجب الكثير من الدارسين للجبر بقدرته وفائدته الكبيرتين، إذ باستخدام الجبر يمكن للمرء أن يحل كثيرًا من المسائل التي يتعذر حلها باستخدام الحساب فقط.وجاء اسمه من كتاب عالم الرياضيات والفلك والرحالة محمد بن موسى الخورازمي.


يعتبر علم المثلثات Trigonometry علماً عربياً ، فرياضيو العرب فضلوا علم المثلثات عن علم الفلك كأنهما علمين متداخلين ، ونظموه تنظيماً فيه لكثير من الدقة ، وقد كان اليونان يستعملون وتر CORDE ضعف القوسي قياس الزوايا ، فاستعاض رياضيو العرب عن الوتر بالجيب SINUS فأنت هذه الاستعاضة إلى تسهيل كثير من الاعمال الرياضية.

تعتبر المعادلات التفاضلية خير وسيلة لوصف معظم المـسائل الهندسـية والرياضـية والعلمية على حد سواء، إذ يتضح ذلك جليا في وصف عمليات انتقال الحرارة، جريان الموائـع، الحركة الموجية، الدوائر الإلكترونية فضلاً عن استخدامها في مسائل الهياكل الإنشائية والوصف الرياضي للتفاعلات الكيميائية.
ففي في الرياضيات, يطلق اسم المعادلات التفاضلية على المعادلات التي تحوي مشتقات و تفاضلات لبعض الدوال الرياضية و تظهر فيها بشكل متغيرات المعادلة . و يكون الهدف من حل هذه المعادلات هو إيجاد هذه الدوال الرياضية التي تحقق مشتقات هذه المعادلات.