Random sampling of skewed distributions does not necessarily imply Taylor’s law
Random sampling of skewed distributions does not necessarily imply Taylor’s law
复制标题
偏态分布的随机抽样并不一定意味着泰勒定律
DOI：
10.1073/pnas.1507266112
复制
发表时间：
2015
期刊：
影响因子：
--
通讯作者：
Youhua Chen
中科院分区：
文献类型：
--
作者：
Youhua Chen
Cohen和Xu（1）声称，任何具有四个有限矩的偏态分布的随机样本都会产生泰勒定律（TL）。事实上，偏态分布并不一定会产生遵循TL的数据。一些高度偏斜的分布可以产生拒绝定律的随机数据。在这里，我使用beta分布、对数正态分布和泊松分布（最后一个用于比较）来展示这些示例。
Cohen and Xu (1) claim that random samples of any skewed distributions with four finite moments would give rise to Taylor’s law (TL). In fact, skewed distributions do not necessarily generate data following TL. Some highly skewed distributions can generate random data rejecting the law. Here, I show examples for this using beta, lognormal, and Poisson distributions (the last one is used for comparison).