Този въпрос се основава на страхотните отговори, които получих на по-ранен въпрос:
Като начало имам PDF и CDF файлове за две персонализирани дистрибуции: nlDist и dplDist, както можете да видите от кода, dplDist се основава на nlDist.
nlDist /: PDF[nlDist[alpha_, beta_, mu_, sigma_],
x_] := (1/(2*(alpha + beta)))*alpha*
beta*(E^(alpha*(mu + (alpha*sigma^2)/2 - x))*
Erfc[(mu + alpha*sigma^2 - x)/(Sqrt[2]*sigma)] +
E^(beta*(-mu + (beta*sigma^2)/2 + x))*
Erfc[(-mu + beta*sigma^2 + x)/(Sqrt[2]*sigma)]);
nlDist /:
CDF[nlDist[alpha_, beta_, mu_, sigma_],
x_] := ((1/(2*(alpha + beta)))*((alpha + beta)*E^(alpha*x)*
Erfc[(mu - x)/(Sqrt[2]*sigma)] -
beta*E^(alpha*mu + (alpha^2*sigma^2)/2)*
Erfc[(mu + alpha*sigma^2 - x)/(Sqrt[2]*sigma)] +
alpha*E^((-beta)*mu + (beta^2*sigma^2)/2 + alpha*x + beta*x)*
Erfc[(-mu + beta*sigma^2 + x)/(Sqrt[2]*sigma)]))/
E^(alpha*x);
dplDist /: PDF[dplDist[alpha_, beta_, mu_, sigma_], x_] :=
PDF[nlDist[alpha, beta, mu, sigma], Log[x]]/x;
dplDist /: CDF[dplDist[alpha_, beta_, mu_, sigma_], x_] :=
CDF[nlDist[alpha, beta, mu, sigma], Log[x]];
Plot[PDF[dplDist[3.77, 1.34, -2.65, 0.40], x], {x, 0, .3},
PlotRange -> All]
Plot[CDF[dplDist[3.77, 1.34, -2.65, 0.40], x], {x, 0, .3},
PlotRange -> All]
В предишния ми въпрос отговорите на joebolte и sasha и препоръката за използване на TagSet ми помогнаха да стигна дотук. Сега въпросите ми се отнасят до dplDist.
Сега трябва да изчисля очакването от някаква точка на оста x на PDF файла. В анализа на оцеляването те наричат това среден остатъчен живот. Нещо като следното:
Expectation[X \[Conditioned] X > 0.1,
X \[Distributed] dplDist[3.77, 1.34, -2.65, 0.40]] - 0.1
Това не работи, по същество просто връща входовете като текст.
Разбирам как мога да използвам TagSet, за да дефинирам PDF и CDF файлове за персонализирани дистрибуции, как да направя нещо подобно за Expectation[]?
Ще публикувам повече за това проследяване в отделен въпрос, но също така имам нужда от стратегия за изчисляване на съответствието на dplDist спрямо някои данни, към които съм напаснал разпределението.
Много благодаря на всички.