兰伯特

LambertW:分析并高斯化倾斜的重尾数据,Lambert W框架是一种新的分析倾斜重尾数据的通用方法。Lambert W随机变量(RV)基于一个输入/输出框架,其中输入是一个分布为F(X)的rvx,输出Y=func(X)与X具有相似的特性(但有轻微倾斜或重尾)。然后这个被转换的rvy具有Lambert W x F分布-有关详细信息,请参阅参考资料。此软件包包含对倾斜和重尾数据执行Lambert W分析的函数:可以模拟数据,可以根据真实数据估计参数,可以计算分位数,并以“漂亮”的方式打印/打印结果。可能最重要的函数是“高斯化”,其工作原理与R函数“scale”相同,但实际上它使数据成为高斯函数。可选的模块化工具箱实现允许用户定义自己的lambertwx“我最喜欢的发行版”,并将其用于分析。(资料来源:http://cran.r-project.org/web/packages)


zbMATH中的参考文献(参考文献11条,1标准件)

显示结果1到11,共11个。
按年份排序(引用)

  1. 阿勒萨尼,赫萨;Lee,Jon:从降水化学数据中生成最大熵抽样协方差矩阵的R包(2020)
  2. 巴西迪斯,阿波斯托洛斯;吉姆é尼兹·加梅罗í多洛雷斯;Lemonte,Artur J.:贝尔分布的拟合优度检验(2020)
  3. Hessa Al Thani,Jon Lee:从降水化学数据中生成最大熵采样协方差矩阵的R包(2020)阿尔十四
  4. 拜尔基ć, Dževad:所有的三项式根,它们的幂和对数来自Lambert级数,Bell多项式和Fox-Wright函数:辐照细胞存活中基因组多样性的说明(2019)
  5. 萨瓦莱塔,凯瑟琳E。C、 。;坎乔,维森特G。;Lemonte,Artur J.:零膨胀幂级数模型的基于似然检验(2019)
  6. 鲍威尔,克里斯托弗D。;ó佩斯,塞贡迪诺;大仲马,安德烈é; 局,多米尼克P。;胡克,莎拉E。;法国,詹姆斯:不确定增长的数学描述(2017)
  7. 卢比奥,F。J、 。;钢,M。F。J、 :具有两段比例和形状分布的偏度和峰度的贝叶斯建模(2015)
  8. 施特尔ík、 米兰;赫尔曼,菲利普:《致编辑的信》(2015)
  9. 维特科夫斯克ý, 维克多;维默,格伊扎;Duby,Tomy:卡方分布族的对数Lambert(W\times\mathcalF)随机变量及其应用(2015)
  10. Goerg,Georg M.:优先级确认:统计中Lambert(W)函数的使用(2014)
  11. Goerg,Georg M.:Lambert(W)随机变量——一个新的广义偏态分布族及其在风险估计中的应用(2011)