यह sinh-arcsinh परिवर्तन का उपयोग करके किया जा सकता है
जोन्स, एमसी और प्यासी ए (2009)। सिंह-अर्कसिंह वितरण । बायोमेट्रिक 96: 761–780।
परिवर्तन के रूप में परिभाषित किया गया है
एच( एक्स , ε , δ) = पाप[ δसिंह- 1( X ) - ε ] ,( ⋆ )
जहां और । जब यह परिवर्तन सामान्य CDF , तो यह एक असमान वितरण उत्पन्न करता है जिसके पैरामीटर नियंत्रण वैन ज़्वेट (1969) के अर्थ में क्रमशः तिरछापन और कुर्तोसिस, (जोन्स एंड प्यूसी, 2009 ) । इसके अलावा, अगर और , हम मूल सामान्य वितरण प्राप्त करते हैं। निम्नलिखित आर कोड देखें। δ ∈ आर + एस ( एक्स , ε , δ ) = Φ [ एच ( एक्स , ε , δ ) ] (ε ∈ आरδ∈ आर+एस( एक्स , ε , δ) = Φ [ एच( एक्स , ε , δ) ]]ε = 0 δ = 1( Ε , δ)ϵ = 0δ= 1
fs = function(x,epsilon,delta) dnorm(sinh(delta*asinh(x)-epsilon))*delta*cosh(delta*asinh(x)-epsilon)/sqrt(1+x^2)
vec = seq(-15,15,0.001)
plot(vec,fs(vec,0,1),type="l")
points(vec,fs(vec,1,1),type="l",col="red")
points(vec,fs(vec,2,1),type="l",col="blue")
points(vec,fs(vec,-1,1),type="l",col="red")
points(vec,fs(vec,-2,1),type="l",col="blue")
vec = seq(-5,5,0.001)
plot(vec,fs(vec,0,0.5),type="l",ylim=c(0,1))
points(vec,fs(vec,0,0.75),type="l",col="red")
points(vec,fs(vec,0,1),type="l",col="blue")
points(vec,fs(vec,0,1.25),type="l",col="red")
points(vec,fs(vec,0,1.5),type="l",col="blue")
इसलिए, मापदंडों एक उपयुक्त अनुक्रम , आप विभिन्न स्तरों के तिरछेपन और साथ वितरण / परिवर्तन का एक क्रम उत्पन्न कर सकते हैं और उन्हें सामान्य वितरण के समान या अलग दिख सकते हैं।( ϵn, δn)
निम्नलिखित कथानक R कोड द्वारा निर्मित परिणाम दिखाता है। के लिए (i) और , और (ii) और ।δ = 1 ε = 0ϵ = ( - 2 , - 1 , 0 , 1 , 2 )δ= 1 ϵ = 0δ= ( 0.5 , 0.75 , 1 , 1.25 , 1.5 )
इस वितरण का अनुकरण सीधा दिया गया है कि आपको सिर्फ के व्युत्क्रम का उपयोग करके एक सामान्य नमूने को बदलना है ।( ⋆ )
एच- 1( एक्स , ε , δ) = पाप[ δ- 1( सिन्ह- 1( x ) + ϵ ) ]