|
|
|
Inverse von approximierter Verteilung |
|
| MCPE |
Forum-Newbie
|
 |
Beiträge: 5
|
|
|
|
Anmeldedatum: 28.03.17
|
|
|
|
Wohnort: ---
|
|
|
|
Version: ---
|
|
|
|
 |
|
Verfasst am: 04.04.2017, 09:45
Titel: Inverse von approximierter Verteilung
|
 |
| |
 |
 |
Liebe Community,
ich habe folgendes Problem. Zur Berechnung einer Kennzahl (CFaR, ähnlich zu VaR https://en.wikipedia.org/wiki/Value_at_risk) muss ich die Inverse einer appoximierten Verteilung zu einem bestimmten Konfidenzintervall alpha berechnen.
Im Anhang findet ihr die formalisierte Beschreibung des Problems. 1) ist das Resultat, das auf 2) und 3) basiert.
Habt ihr eine Idee wie man die Inverse bildet?
Eine Idee war, den Erwartungswert abzuziehen und dann durch die Varianz zu teilen, um nach dem Gesetz der großen Zahlen auf eine Normalverteilung zu kommen. Sind hier beispielsweise die Quantilstabellen in Matlab hinterlegt, die man hierfür benutzen könnte.
Wichtig zu wissen ist noch, dass das zugrundeliegende Modell auf einer Monte Carlo Simulation basiert...
Oder habt ihr andere Ideen, wie man das lösen könnte?
Besten Dank im Voraus!
| Beschreibung: |
|
Download |
| Dateiname: |
CFaR.png |
| Dateigröße: |
100.91 KB |
| Heruntergeladen: |
405 mal |
|
|
|
|
|
|
| Harald |
Forum-Meister
|
|
Beiträge: 24.502
|
|
|
|
Anmeldedatum: 26.03.09
|
|
|
|
Wohnort: Nähe München
|
|
|
|
Version: ab 2017b
|
|
|
|
|
|
|
Verfasst am: 04.04.2017, 11:44
Titel:
|
|
Hallo,
Mit
fitdist
kann man verschiedene parametrische, aber auch eine nichtparametrische Verteilung fitten und dann die ICDF daraus bestimmen lassen.
Hilft dir das weiter?
Grüße,
Harald
|
|
|
|
| MCPE |
Themenstarter
Forum-Newbie
|
|
Beiträge: 5
|
|
|
|
Anmeldedatum: 28.03.17
|
|
|
|
Wohnort: ---
|
|
|
|
Version: ---
|
|
|
|
|
|
|
Verfasst am: 04.04.2017, 11:50
Titel:
|
|
Danke Harald für die schnelle Antwort.
D.h. du würdest mit fitdist verschiedene Verteilungen durchprobieren und dann die passendste wählen.
Wie genau bildet man dann die ICDF?
Danke
Thomas
|
|
|
|
| Harald |
Forum-Meister
|
|
Beiträge: 24.502
|
|
|
|
Anmeldedatum: 26.03.09
|
|
|
|
Wohnort: Nähe München
|
|
|
|
Version: ab 2017b
|
|
|
|
|
|
|
Verfasst am: 04.04.2017, 13:17
Titel:
|
|
Hallo,
man kann sich auch auf eine Verteilung festlegen (wie gut die dann passt, ist die andere Frage) oder eine nichtparametrische Verteilung verwenden.
Wenn du ein Verteilungsobjekt hast, kannst du direkt die icdf davon nehmen.
Alternative kannst du prctile oder quantile verwenden und ohne jegliche Verteilung arbeiten.
Grüße,
Harald
|
|
|
|
| MCPE |
Themenstarter
Forum-Newbie
|
|
Beiträge: 5
|
|
|
|
Anmeldedatum: 28.03.17
|
|
|
|
Wohnort: ---
|
|
|
|
Version: ---
|
|
|
|
|
|
|
Verfasst am: 04.04.2017, 14:32
Titel:
|
|
Super, danke Harald.
Letzte Frage:
Meinem Verständnis nach ist eine nicht-parametrische Verteilung eine Verteilung, die keinen vorgeschriebenen Parametern gehorcht. Ich glaube in meinem Fall müsste ich eine nicht-parametrische Verteilung annehmen.
Im Zusammenhang mit der icdf habe ich folgende Seite gefunden, die entsprechende Verteilungen für den 'name' in der icdf Funktion vorgibt https://uk.mathworks.com/help/stats/icdf.html
Welchen Name müsste ich nun wählen? Aus meiner Sicht sind das alles parametrische Verteilungen, oder?
Vielen Dank nochmals
|
|
|
|
| Harald |
Forum-Meister
|
|
Beiträge: 24.502
|
|
|
|
Anmeldedatum: 26.03.09
|
|
|
|
Wohnort: Nähe München
|
|
|
|
Version: ab 2017b
|
|
|
|
|
|
|
Verfasst am: 04.04.2017, 14:48
Titel:
|
|
Hallo,
du benötigst die letzte Syntax.
pd ist das Verteilungsobjekt.
Beispiel:
Grüße,
Harald
|
|
|
|
Verschoben: 09.04.2017, 21:32 Uhr von Jan S
Von Programmieraufträge nach Programmierung |
|
|
|
Einstellungen und Berechtigungen
|
|
Du kannst Beiträge in dieses Forum schreiben.
Du kannst auf Beiträge in diesem Forum antworten.
Du kannst deine Beiträge in diesem Forum nicht bearbeiten.
Du kannst deine Beiträge in diesem Forum nicht löschen.
Du kannst an Umfragen in diesem Forum nicht mitmachen.
Du kannst Dateien in diesem Forum posten
Du kannst Dateien in diesem Forum herunterladen
|
|
Impressum
| Nutzungsbedingungen
| Datenschutz
| FAQ
|  RSS
Hosted by:
Copyright © 2007 - 2025
goMatlab.de | Dies ist keine offizielle Website der Firma The Mathworks
MATLAB, Simulink, Stateflow, Handle Graphics, Real-Time Workshop, SimBiology, SimHydraulics, SimEvents, and xPC TargetBox are registered trademarks and The MathWorks, the L-shaped membrane logo, and Embedded MATLAB are trademarks of The MathWorks, Inc.
|
|
