Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > stat > arXiv:2506.17496

帮助 | 高级搜索

统计学 > 方法论

arXiv:2506.17496 (stat)
[提交于 2025年6月20日 (v1) ,最后修订 2025年7月8日 (此版本, v2)]

标题: Zeta尾分布:一种新的事件计数模型

标题: The Zeta Tail Distribution: A Novel Event-Count Model

Authors:Michael R. Powers
摘要: 我们引入了Zeta Tail(a)概率分布作为一种新的模型,用于风险分析中的随机损坏事件计数。 尽管作为几何分布Geometric(p)的类比而容易被提出,但Zeta Tail(a)在学术文献中受到的关注很少。 在本研究中,我们首先推导了这种新分布的各种基本性质。 然后,我们通过理论分析和对一组气象数据的应用来评估其作为Geometric(p)替代模型的实用性。 最后,我们讨论了在条件(即,给定具有某些已知特征的观测数据)下使用Zeta Tail(a)模型与在无条件(即,对于任意尚未观测的数据)下使用该模型之间的概念性差异。
摘要: We introduce the Zeta Tail(a) probability distribution as a new model for random damage-event counts in risk analysis. Although readily motivated as an analogue of the Geometric(p) distribution, Zeta Tail(a) has received little attention in the scholarly literature. In the present work, we begin by deriving various fundamental properties of this novel distribution. We then assess its usefulness as an alternative to Geometric(p), both theoretically and through application to a set of meteorological data. Lastly, we discuss conceptual differences between employing the Zeta Tail(a) model conditionally (i.e., given observed data with certain known characteristics) and unconditionally (i.e., for arbitrary, as yet unobserved data).
主题: 方法论 (stat.ME) ; 概率 (math.PR); 统计理论 (math.ST); 应用 (stat.AP)
MSC 类: 60E05, 60E10
引用方式: arXiv:2506.17496 [stat.ME]
  (或者 arXiv:2506.17496v2 [stat.ME] 对于此版本)
  https://doi.org/10.48550/arXiv.2506.17496
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Michael Powers Ph.D. [查看电子邮件]
[v1] 星期五, 2025 年 6 月 20 日 22:17:46 UTC (142 KB)
[v2] 星期二, 2025 年 7 月 8 日 05:49:36 UTC (145 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
stat.ME
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-06
切换浏览方式为:
math
math.PR
math.ST
stat
stat.AP
stat.TH

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号