Функция плотности вероятности | |||
Кумулятивная функция распределения | |||
Обозначение | |||
---|---|---|---|
Параметры | | ||
Поддерживать | |||
CDF | где - стандартное нормальное (стандартное гауссово) распределение cdf | ||
Иметь в виду | |||
Режим | |||
Дисперсия | |||
Асимметрия | |||
Бывший. эксцесс | |||
MGF | |||
CF |
В теории вероятностей , то обратное распределение Гаусса (также известное как распределение Wald ) является двухпараметрическим семейством непрерывных вероятностных распределений с поддержкой на (0, ∞).
Его функция плотности вероятности определяется выражением
для x > 0, где - среднее значение, а - параметр формы. [1]
Когда λ стремится к бесконечности, обратное гауссово распределение становится больше похожим на нормальное (гауссово) распределение . Обратное гауссово распределение имеет несколько свойств, аналогичных гауссовскому распределению. Название может вводить в заблуждение: это «обратное» только в том смысле, что, в то время как гауссиан описывает уровень броуновского движения в фиксированный момент времени, обратный гауссовский тип описывает распределение времени, которое требуется броуновскому движению с положительным дрейфом для достижения фиксированного положительного значения. уровень.
Его кумулянтная производящая функция (логарифм характеристической функции) является обратной к кумулянтной производящей функции гауссовой случайной величины.
Чтобы указать, что случайная величина X имеет обратное распределение по Гауссу со средним значением μ и параметром формы λ, мы пишем .
Свойства [ править ]
Форма с одним параметром [ править ]
Функция плотности вероятности (pdf) обратного гауссова распределения имеет однопараметрическую форму, задаваемую формулой
В этой форме среднее и дисперсия распределения равны,
Кроме того, кумулятивная функция распределения (cdf) однопараметрического обратного гауссова распределения связана со стандартным нормальным распределением соотношением
где и где - cdf стандартного нормального распределения. Переменные и связаны друг с другом тождеством
В форме с одним параметром MGF упрощается до
Обратное гауссово распределение в форме с двумя параметрами может быть преобразовано в форму с одним параметром путем соответствующего масштабирования, где
Стандартная форма обратного гауссова распределения:
Суммирование [ править ]
Если X я имеет распределение для я = 1, 2, ..., п , и все X я являются независимыми , то
Обратите внимание, что
постоянно для всех i . Это необходимое условие для суммирования. В противном случае S не было бы распределено по Гауссу.
Масштабирование [ править ]
Для любого t > 0 выполняется
Экспоненциальная семья [ править ]
Обратное гауссово распределение является двухпараметрическим экспоненциальным семейством с естественными параметрами - λ / (2 μ 2 ) и - λ / 2, а также природные статистики X и 1 / Х .
Связь с броуновским движением [ править ]
Пусть случайный процесс X t задается формулой
где W t - стандартное броуновское движение . То есть X t - броуновское движение со сносом .
Тогда время первого прохождения фиксированного уровня по X t распределяется согласно обратному гауссову:
(см. уравнение Шредингера [2], уравнение 19, Смолуховский [3] , уравнение 8, и Фолкса [4] , уравнение 1).
Когда дрейф равен нулю [ править ]
Обычный частный случай вышеизложенного возникает, когда броуновское движение не имеет дрейфа. В этом случае параметр μ стремится к бесконечности, и время первого перехода для фиксированного уровня α имеет функцию плотности вероятности
(см. также Башелье [5] : 74 [6] : 39 ). Это распределение Леви с параметрами и .
Максимальная вероятность [ править ]
Модель, где
со всеми известными w i, неизвестными ( μ , λ ) и независимыми X i имеет следующую функцию правдоподобия
Решение уравнения правдоподобия дает следующие оценки максимального правдоподобия
и независимы и
Выборка из обратного гауссова распределения [ править ]
Можно использовать следующий алгоритм. [7]
Сгенерируйте случайную переменную из нормального распределения со средним значением 0 и стандартным отклонением, равным 1
Возвести значение в квадрат
и использовать соотношение
Создайте еще одну случайную переменную, на этот раз выбранную из равномерного распределения от 0 до 1.
Если затем вернуться, еще вернуться
Пример кода на Java :
общедоступный двойной inverseGaussian ( двойной mu , двойной лямбда ) { Random rand = new Random (); двойной v = рандом . nextGaussian (); // Выборка из нормального распределения со средним значением 0 и 1 стандартным отклонением double y = v * v ; двойной x = mu + ( mu * mu * y ) / ( 2 * лямбда) - ( мю / ( 2 * лямбда )) * Мат . sqrt ( 4 * му * лямбда * у + му * му * у * у ); двойной тест = рандом . nextDouble (); // Выборка из равномерного распределения от 0 до 1 if ( test <= ( mu ) / ( mu + x )) return х ; иначе return ( mu * mu ) / x ; }
И чтобы построить распределение Вальда в Python с помощью matplotlib и NumPy :
импортировать matplotlib.pyplot как plt импортировать numpy как nph = plt . hist ( np . random . wald ( 3 , 2 , 100000 ), ячейки = 200 , плотность = True )plt . показать ()
Связанные дистрибутивы [ править ]
- Если , то для любого числа [1]
- Если тогда
- Если на то
- Если тогда
- Если , то . [8]
Свертка обратного распределения Гаусса (распределение Вальда) и экспоненты (распределение бывшего Вальда) используется в качестве модели времени отклика в психологии [9] с визуальным поиском в качестве одного примера. [10]
История [ править ]
Это распределение, по-видимому, было впервые получено в 1900 году Луи Башелье [5] [6], когда акция впервые достигла определенной цены. В 1915 году он независимо использовался Эрвином Шредингером [2] и Марианом фон Смолуховски [3] как время первого прохождения броуновского движения. В области моделирования воспроизводства она известна как функция Хадвигера в честь Хьюго Хадвигера , описавшего ее в 1940 году. [11] Абрахам Вальд повторно вывел это распределение в 1944 году [12] как предельную форму выборки в последовательном соотношении вероятностей. тест. Название инверсный гауссовский предложил Морис Твиди.в 1945 г. [13] Твиди исследовал это распределение в 1956 [14] и 1957 [15] [16] и установил некоторые его статистические свойства. Распределение было подробно рассмотрено Фолксом и Чикарой в 1978 г. [4]
Числовые вычисления и программное обеспечение [ править ]
Несмотря на простую формулу для функции плотности вероятности, численные вычисления вероятности для обратного распределения Гаусса, тем не менее, требуют особой осторожности для достижения полной машинной точности в арифметике с плавающей запятой для всех значений параметров. [17] Функции для обратного гауссовского распределения предоставляются для языка программирования R несколькими пакетами, включая rmutil, [18] [19] SuppDists, [20] STAR, [21] invGauss, [22] LaplacesDemon, [23] и statmod. . [24]
См. Также [ править ]
- Обобщенное обратное гауссово распределение
- Распределения Твиди - обратное распределение Гаусса является членом семейства моделей экспоненциальной дисперсии Твиди.
- Время остановки
Ссылки [ править ]
- ^ a b Chhikara, Raj S .; Народ, Дж. Лерой (1989), Обратное гауссовское распределение: теория, методология и приложения , Нью-Йорк, Нью-Йорк, США: Marcel Dekker, Inc, ISBN 0-8247-7997-5
- ^ a b Шредингер, Эрвин (1915), "Zur Theorie der Fall- und Steigversuche an Teilchen mit Brownscher Bewegung" [К теории экспериментов по падению и подъему частиц с броуновским движением], Physikalische Zeitschrift (на немецком языке), 16 ( 16): 289–295
- ^ Б Смолуховского, Marian (1915), "Notiz über умереть Berechnung дер Brownschen Molekularbewegung бей дер Ehrenhaft-Millikanschen Versuchsanordnung" [Примечание по расчету броуновского молекулярного движения в Ehrenhaft-Милликена Экспериментальная установка], Physikalische Zeitschrift (на немецком языке ), 16 (17/18): 318–321.
- ^ a b Люди, Дж. Лерой; Chhikara, Raj S. (1978), "Обратное гауссово распределение и ее статистическое приложение-обзор", журнал Королевского статистического общества , Series B (методологическая), 40 (3): 263-275, DOI : 10.1111 / J .2517-6161.1978.tb01039.x , JSTOR 2984691
- ^ a b Bachelier, Луи (1900), « Теория спекуляции » [Теория спекуляции] (PDF) , Ann. Sci. Éc. Норма. Супер. (на французском языке), Серия 3, 17: 21–89
- ^ Б Bachelier Луи (1900), "Теория спекуляции" , Ann. Sci. Éc. Норма. Супер. , Серия 3, 17: 21–89 (английский перевод Дэвида Р. Май 2011 г.)
- ^ Майкл, Джон Р .; Schucany, William R .; Haas, Рой W. (1976), "Генерация случайных случайных величин Использование Трансформации с несколькими корнями", Американский Statistician , 30 (2): 88-90, DOI : 10,1080 / 00031305.1976.10479147 , JSTOR 2683801
- ^ Шустер, Дж. (1968). «Об обратной функции распределения Гаусса». Журнал Американской статистической ассоциации . 63 (4): 1514–1516.
- ^ Шварц, Вольфганг (2001), "Распределение экс-Wald в качестве описательной модели времени отклика", поведение методов исследования, инструменты, и компьютеры , 33 (4): 457-469, DOI : 10,3758 / bf03195403 , PMID 11816448
- ^ Палмер, EM; Horowitz, TS; Torralba, A .; Вулф, JM (2011). «Каковы формы распределения времени отклика при визуальном поиске?» . Журнал экспериментальной психологии: человеческое восприятие и производительность . 37 (1): 58–71. DOI : 10.1037 / a0020747 . PMC 3062635 . PMID 21090905 .
- Перейти ↑ Hadwiger, H. (1940). "Eine analytische Reproduktionsfunktion für biologische Gesamtheiten". Skandinavisk Aktuarietidskrijt . 7 (3–4): 101–113. DOI : 10.1080 / 03461238.1940.10404802 .
- ^ Wald, Abraham (1944), "О кумулятивных сумм случайных величин", Анналы математической статистики , 15 (3): 283-296, DOI : 10,1214 / АОМ / 1177731235 , JSTOR 2236250
- ^ Твиди, MCK (1945). «Обратные статистические переменные». Природа . 155 (3937): 453. DOI : 10.1038 / 155453a0 .
- ^ Твиди, MCK (1956). «Некоторые статистические свойства обратных гауссовских распределений». Вирджинский научный журнал (новая серия) . 7 (3): 160–165.
- ^ Твиди, MCK (1957). «Статистические свойства обратных гауссовских распределений I». Анналы математической статистики . 28 (2): 362–377. JSTOR 2237158 .
- ^ Твиди, MCK (1957). «Статистические свойства обратных гауссовских распределений II». Анналы математической статистики . 28 (3): 696–705. JSTOR 2237229 .
- ^ Гинер, Гёкнур; Смит, Гордон (август 2016 г.). "statmod: Расчеты вероятности обратного гауссовского распределения" . R Journal . 8 (1): 339–351. DOI : 10.32614 / RJ-2016-024 .
- ^ Lindsey, Джеймс (2013-09-09). "rmutil: Утилиты для моделей нелинейной регрессии и повторных измерений" .
- ^ Swihart, Брюс; Линдси, Джеймс (2019-03-04). "rmutil: Утилиты для моделей нелинейной регрессии и повторных измерений" .
- ^ Уиллер, Роберт (2016-09-23). «SuppDists: Дополнительные распределения» .
- ^ Pouzat, Christophe (2015-02-19). «ЗВЕЗДА: Анализ шипованных поездов с помощью R» .
- ^ Gjessing, Хакон К. (2014-03-29). «Пороговая регрессия, которая соответствует (рандомизированному дрейфу) обратному распределению Гаусса к данным выживания» .
- ^ Холл, Байрон; Холл, Мартина; Статистик, ООО; Браун, Эрик; Хермансон, Ричард; Шарпантье, Эммануэль; Черт возьми, Дэниел; Лоран, Стефан; Gronau, Quentin F .; Сингманн, Хенрик (29 марта 2014 г.). "LaplacesDemon: Полная среда для байесовского вывода" .
- ^ Гинер, Гёкнур; Смит, Гордон (18.06.2017). «statmod: Статистическое моделирование» .
Дальнейшее чтение [ править ]
- Хёйланд, Арнльот ; Раусанд, Марвин (1994). Теория надежности системы . Нью-Йорк: Вили. ISBN 978-0-471-59397-3.
- Сешадри, В. (1993). Обратное гауссовское распределение . Издательство Оксфордского университета. ISBN 978-0-19-852243-0.
Внешние ссылки [ править ]
- Обратное распределение Гаусса на сайте Wolfram.