Нецентральное бета-распределение - Википедия - Noncentral beta distribution

Нецентральная бета

Обозначение	Бета (α, β, λ)
Параметры	α> 0 форма (настоящий ) β> 0 форма (настоящий ) λ> = 0 нецентральность (настоящий )
Поддерживать	${ Displaystyle х в [0; 1] !}$
PDF	(тип I) ${ displaystyle sum _ {j = 0} ^ { infty} e ^ {- lambda / 2} { frac { left ({ frac { lambda} {2}} right) ^ {j} } {j!}} { frac {x ^ { alpha + j-1} left (1-x right) ^ { beta -1}} { mathrm {B} left ( alpha + j , beta right)}}}$
CDF	(тип I) ${ displaystyle sum _ {j = 0} ^ { infty} e ^ {- lambda / 2} { frac { left ({ frac { lambda} {2}} right) ^ {j} } {j!}} I_ {x} left ( alpha + j, beta right)}$
Иметь в виду	(тип I) ${ displaystyle e ^ {- { frac { lambda} {2}}} { frac { Gamma left ( alpha +1 right)} { Gamma left ( alpha right)}} { frac { Gamma left ( alpha + beta right)} { Gamma left ( alpha + beta +1 right)}} {} _ {2} F_ {2} left ( alpha + beta, alpha +1; alpha, alpha + beta +1; { frac { lambda} {2}} right)}$ (видеть Конфлюэнтная гипергеометрическая функция )
Дисперсия	(тип I) ${ displaystyle e ^ {- { frac { lambda} {2}}} { frac { Gamma left ( alpha +2 right)} { Gamma left ( alpha right)}} { frac { Gamma left ( alpha + beta right)} { Gamma left ( alpha + beta +2 right)}} {} _ {2} F_ {2} left ( alpha + beta, alpha +2; alpha, alpha + beta +2; { frac { lambda} {2}} right) - mu ^ {2}}$ куда ${ displaystyle mu}$ это среднее. (видеть Конфлюэнтная гипергеометрическая функция )

В теория вероятности и статистика, то нецентральное бета-распределение это непрерывное распределение вероятностей это нецентральное обобщение (центрального) бета-распространение.

Нецентральное бета-распределение (Тип I) - это распределение отношения

${ Displaystyle X = { гидроразрыва { chi _ {m} ^ {2} ( lambda)} { chi _ {m} ^ {2} ( lambda) + chi _ {n} ^ {2} }},}$

куда ${ Displaystyle чи _ {м} ^ {2} ( лямбда)}$ это нецентральный хи-квадрат случайная величина со степенями свободы м и параметр нецентральности ${ displaystyle lambda}$, и ${ displaystyle chi _ {n} ^ {2}}$ центральный хи-квадрат случайная величина со степенями свободы п, независим от ${ Displaystyle чи _ {м} ^ {2} ( лямбда)}$.^[1]В этом случае, ${ displaystyle X sim { mbox {Beta}} left ({ frac {m} {2}}, { frac {n} {2}}, lambda right)}$

Нецентральное бета-распределение типа II - это распределение отношения

${ displaystyle Y = { frac { chi _ {n} ^ {2}} { chi _ {n} ^ {2} + chi _ {m} ^ {2} ( lambda)}},}$

где нецентральная переменная хи-квадрат находится только в знаменателе.^[1] Если ${ displaystyle Y}$ следует распределению типа II, то ${ Displaystyle X = 1-Y}$ следует распределению типа I.

Кумулятивная функция распределения

Тип I кумулятивная функция распределения обычно представляется как Пуассон смесь центральных бета случайные переменные:^[1]

${ Displaystyle F (x) = сумма _ {j = 0} ^ { infty} P (j) I_ {x} ( alpha + j, beta),}$

где λ - параметр нецентральности, п(.) - функция массы вероятности Пуассона (λ / 2), альфа = м / 2 и beta = n / 2 параметры формы, и ${ Displaystyle I_ {х} (а, б)}$ это неполная бета-функция. То есть,

${ displaystyle F (x) = sum _ {j = 0} ^ { infty} { frac {1} {j!}} left ({ frac { lambda} {2}} right) ^ {j} e ^ {- lambda / 2} I_ {x} ( alpha + j, beta).}$

Тип II кумулятивная функция распределения в виде смеси

${ Displaystyle F (x) = sum _ {j = 0} ^ { infty} P (j) I_ {x} ( alpha, beta + j).}$

Алгоритмы для оценки нецентральных функций бета-распределения даны Posten^[2] и Чаттамвелли.^[1]

Функция плотности вероятности

(Тип I) функция плотности вероятности для нецентрального бета-распределения:

${ displaystyle f (x) = sum _ {j = 0} ^ { infty} { frac {1} {j!}} left ({ frac { lambda} {2}} right) ^ {j} e ^ {- lambda / 2} { frac {x ^ { alpha + j-1} (1-x) ^ { beta -1}} {B ( alpha + j, beta) }}.}$

куда ${ displaystyle B}$ это бета-функция, ${ displaystyle alpha}$ и ${ displaystyle beta}$ - параметры формы, а ${ displaystyle lambda}$ это параметр нецентральности. Плотность Y такой же, как у 1-X с обратными степенями свободы.^[1]

Связанные дистрибутивы

Трансформации

Если ${ displaystyle X sim { mbox {Beta}} left ( alpha, beta, lambda right)}$, тогда ${ displaystyle { frac { beta X} { alpha (1-X)}}}$ следует за нецентральное F-распределение с ${ Displaystyle 2 альфа, 2 бета}$ степени свободы и параметр нецентральности ${ displaystyle lambda}$.

Если ${ displaystyle X}$ следует за нецентральное F-распределение ${ displaystyle F _ { mu _ {1}, mu _ {2}} left ( lambda right)}$ с ${ displaystyle mu _ {1}}$ числитель степеней свободы и ${ displaystyle mu _ {2}}$ знаменатель степеней свободы, то ${ displaystyle Z = { cfrac { cfrac { mu _ {2}} { mu _ {1}}} {{ cfrac { mu _ {2}} { mu _ {1}}} + X ^ {- 1}}}}$ следует нецентральному бета-распределению, поэтому ${ displaystyle Z sim { mbox {Beta}} left ({ frac {1} {2}} mu _ {1}, { frac {1} {2}} mu _ {2}, lambda right)}$. Это происходит в результате простого преобразования.

Особые случаи

Когда ${ displaystyle lambda = 0}$, нецентральное бета-распределение эквивалентно (центральному) бета-распространение.

Эта статья включает в себя список общих Рекомендации, но он остается в основном непроверенным, потому что ему не хватает соответствующих встроенные цитаты. Пожалуйста, помогите улучшать эта статья введение более точные цитаты. (Август 2011 г.) (Узнайте, как и когда удалить этот шаблон сообщения)

Рекомендации

Цитаты

Источники