5 votos

Repetidos convolución de distribuciones de probabilidad

Pregunta

Vamos $$S_k=\sum_{i=1}^k X_i$$ be the sum of $k$ independent random variables. I am interested in closed-form expressions of the pdf of $S_k$.

En general, el pdf está dada por la $k$veces la convolución de la probabilidad individual de las distribuciones que $$f_S=(f_1*\ldots*f_k)(s),$$ where $f_i$ is the probability distribution of the $i^{\rm th}$ variable aleatoria.

En particular, $S_k$ es el gamma-distribuido si el individuo variables aleatorias son de gamma-distribución con el mismo parámetro de escala.

¿Qué otras distribuciones que existen, que cumplen la misma propiedad, pero tiene al menos dos parámetros?

La motivación

Estoy realizando simulaciones que involucran una suma de variables aleatorias. La realización de las circunvoluciones numéricamente es demasiado costoso computacionalmente, es por eso que me gustaría saber más acerca de las distribuciones que se "auto-repetición" en virtud de la convolución.

Algunos pensamientos

Formalmente, podemos definir la función característica $\hat{f}(k;{\bf a})$ de una distribución de probabilidad $f(x;{\bf a})$ donde $\bf a$ es un conjunto de parámetros que caracterizan la distribución.

Por el teorema de convolución, el producto de las funciones características corresponde a la convolución de las distribuciones de probabilidad.

La familia de distribuciones de yo soy interesado en, por tanto, cumple $$\hat{f}(k;{\bf a})\times \hat{f}(k;{\bf b}) = \hat{f}(k;g({\bf a},{\bf b})),$$ where $g$ is an arbitrary function that is symmetric with respect to exchange of $\bf$ and $\bf b$.

Por desgracia, este formalismo no me ayudó a venir para arriba con una familia de distribuciones.

1voto

Michael Hardy Puntos 128804

Otras dos respuestas mencionar infinita divisibilidad, pero que no se necesita. La lista dada en Sasha y Memming respuestas son una buena medida, pero podemos añadir algunas distribuciones que no son infinitamente divisibles.

La familia de distribuciones binomiales es cerrado bajo la convolución de la probabilidad de masa funciones, y no es infinitamente divisible. Si $X\sim\operatorname{Bin}(n,p)$ $Y\sim\operatorname{Bin}(m,p)$ y estos son independientes, entonces la $X+Y\sim\operatorname{Bin}(n+m,p)$.

La binomial negativa distribuciones también cerrado bajo la convolución. Aquí tenemos que asistir a una cuestión de convenciones. A decir $X$ es negativa binomial con parámetros distribuidos $n$, $p$ podría significar

  • por una convención, que $X$ es el número de ensayos de Bernoulli independientes necesario para obtener $n$ éxitos, con una probabilidad de $p$ de éxito en cada ensayo; o
  • por otro convenio, que $X$ es el número de fracasos antes de la $n$th éxito en ensayos de Bernoulli independientes con una probabilidad de $p$ de éxito en cada ensayo.

Por la primera convención, la distribución se apoya en el conjunto de $\{n,n+1,n+2,\ldots\}$.

Por la segunda convención, la distribución se apoya en el conjunto de $\{0,1,2,\ldots\}$.

Por convención, es cerrado bajo la convolución.

Por la segunda convención, es infinitamente divisible; por la primera, no lo es.

La segunda convención parece ser actualmente favorecido en el artículo de Wikipedia sobre esto: http://en.wikipedia.org/wiki/Negative_binomial_distribution

0voto

mawaldne Puntos 1122

Puede investigar la divisibilidad infinita. Muchas distribuciones de probabilidad son infinitamente divisibles, que es fácil de reconocer desde su función característica. Entre ellos, las distribuciones estables tienen dos parámetros, escala y ubicación.

Ejemplos son la distribución normal, distribución de Cauchy, distribución de Lévy y distribuciones de $\alpha$-estable.

0voto

Robert Christie Puntos 7323

Hay muchas distribuciones que se ajustan a la ley. Estas son las familias de los infinitamente divisible distribuciones, cerrado bajo la convolución. Ejemplos:

para nombrar unos pocos.

0voto

Robert Walker Puntos 81

Parece ser que la única forma cerrada expresiones de tales pdf tiene un solo parámetro. La tasa de saltar la difusión del proceso estocástico añade un sesgo, pero cruzar el tiempo no es una expresión analítica. Esto implica que usted necesita una mezcla de método o similar para obtener un segundo parámetro sin la fuerte integración numérica/simulación/convolución.

Desde Exponencial familias han conjugado los priores de la familia es cerrado bajo Bayesiano actualización - esta idea puede ser útil en la adición de un extra de "incertidumbre" de los parámetros.

Ciertas mezclas por ejemplo, la generalización en el Hiperbólico familias también están cerrados. En la familia que parece NIG (normal, inversa de la distribución de Gauss) se estudió para el modelado de salto de difusión.

Bernoulli de eventos discretos de tiempo discreto

  • peligro / inter-hora de llegada: distribución geométrica
  • la llegada de número de eventos : distribución binomial negativa
  • número en el intervalo : distribución binomial
  • conjugado antes en p es la Beta

De Poisson de eventos discretos de tiempo continuo

  • peligro / inter-hora de llegada: distribución exponencial
  • la llegada de número de eventos: distribución gamma
  • número en el intervalo : distribución de Poisson

Wiener (random walk) continuo proceso estocástico

  • no infinitesimal 'evento',
  • el primer paso del tiempo a la 'a': $f(t) = {ae^{−a^2/2t}\over\sqrt{2\pi t^3}}$ no sabe un nombre
  • valor en un momento dado : distribución normal

i-Ciencias.com

I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.

Powered by:

X