In probability theory and statistics, a shape parameter (also known as form parameter) is a kind of numerical parameter of a parametric family of probability distributions that is neither a location parameter nor a scale parameter (nor a function of these, such as a rate parameter). Such a parameter must affect the shape of a distribution rather than simply shifting it (as a location parameter does) or stretching/shrinking it (as a scale parameter does). For example, "peakedness" refers to how round the main peak is. Many estimators measure location or scale; however, estimators for shape parameters also exist. Most simply, they can be estimated in terms of the higher moments, using the method of moments, as in the skewness (3rd moment) or kurtosis (4th moment), if the higher moments are defined and finite. Estimators of shape often involve higher-order statistics (non-linear functions of the data), as in the higher moments, but linear estimators also exist, such as the L-moments. Maximum likelihood estimation can also be used. The following continuous probability distributions have a shape parameter: Beta distribution Burr distribution Dagum distribution Erlang distribution ExGaussian distribution Exponential power distribution Fréchet distribution Gamma distribution Generalized extreme value distribution Log-logistic distribution Log-t distribution Inverse-gamma distribution Inverse Gaussian distribution Pareto distribution Pearson distribution Skew normal distribution Lognormal distribution Student's t-distribution Tukey lambda distribution Weibull distribution By contrast, the following continuous distributions do not have a shape parameter, so their shape is fixed and only their location or their scale or both can change. It follows that (where they exist) the skewness and kurtosis of these distribution are constants, as skewness and kurtosis are independent of location and scale parameters. Exponential distribution Cauchy distribution Logistic distribution Normal distribution Raised cosine distribution Uni

À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
Publications associées (32)
Concepts associés (21)
Fonction de Pearson
Les fonctions de Pearson ont été créées pour représenter des distributions unimodales. Il en existe douze. Elles ont été inventées par Karl Pearson à la fin du et au début du . Le système de Pearson a été originellement conçu afin de modéliser des observations visiblement asymétriques. Les méthodes pour ajuster un modèle théorique aux deux premiers cumulants ou moments de données observées : toute distribution peut être étendue directement une famille de distributions adaptée.
Loi de Poisson
En théorie des probabilités et en statistiques, la loi de Poisson est une loi de probabilité discrète qui décrit le comportement du nombre d'événements se produisant dans un intervalle de temps fixé, si ces événements se produisent avec une fréquence moyenne ou espérance connue, et indépendamment du temps écoulé depuis l'événement précédent. gauche|vignette|Chewing gums sur un trottoir. Le nombre de chewing gums sur un pavé est approximativement distribué selon une loi de Poisson.
Fonction gamma incomplète
En analyse mathématique, il existe plusieurs définitions de fonctions gamma incomplètes : pour un paramètre complexe a de partie réelle strictement positive, La dérivée de la fonction gamma incomplète Γ(a, x) par rapport à x est l'opposée de l'intégrande de sa définition intégrale : La dérivée par rapport au paramètre a est donnée par et la dérivée seconde par où la fonction T(m, a, x) est un cas particulier de la Ce cas particulier possède des propriétés internes de fermeture qui lui sont propres parce qu'
Afficher plus

Graph Chatbot

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.