De la Wikipedia, enciclopedia liberă.
Distribuția Skellam |
---|
Funcție de distribuție discretă În imagine parametrii au fost indicați cu litera {\ displaystyle \ mu} în loc de cu litera {\ displaystyle \ lambda} |
Funcția de distribuție
|
Parametrii | {\ displaystyle \ lambda _ {1}, \ lambda _ {2}> 0 \} |
---|
A sustine | {\ displaystyle \ mathbb {Z}} |
---|
Funcția de densitate | {\ displaystyle e ^ {- (\ lambda _ {1} + \ lambda _ {2})} \ left ({\ frac {\ lambda _ {1}} {\ lambda _ {2}}} \ right) ^ {\ frac {n} {2}} I_ {| n |} (2 {\ sqrt {\ lambda _ {1} \ lambda _ {2}}})} |
---|
Valorea estimata | {\ displaystyle \ lambda _ {1} - \ lambda _ {2}} |
---|
Varianța | {\ displaystyle \ lambda _ {1} + \ lambda _ {2} \} |
---|
Indicele de asimetrie | {\ displaystyle {\ frac {\ lambda _ {1} - \ lambda _ {2}} {(\ lambda _ {1} + \ lambda _ {2}) ^ {\ frac {3} {2}}}} } |
---|
Curios | {\ displaystyle {\ frac {1} {\ lambda _ {1} + \ lambda _ {2}}}} |
---|
Funcție generatoare de momente | {\ displaystyle e ^ {\ lambda _ {1} e ^ {t} + \ lambda _ {2} e ^ {- t} - (\ lambda _ {1} + \ lambda _ {2})}} |
---|
Funcția caracteristică | {\ displaystyle e ^ {\ lambda _ {1} e ^ {it} + \ lambda _ {2} e ^ {- it} - (\ lambda _ {1} + \ lambda _ {2})}} |
---|
Manual |
În teoria probabilității , distribuția Skellam este o distribuție de probabilitate care guvernează diferența dintre două variabile aleatoare independente, ambele având o distribuție Poisson . Este numit după John Gordon Skellam . [1]
Definiție
Distribuția parametrilor Skellam {\ displaystyle (\ lambda _ {1}, \ lambda _ {2})} este distribuția probabilității variabilei aleatorii
- {\ displaystyle Y = X_ {1} -X_ {2}}
definită de două variabile aleatoare independente {\ displaystyle X_ {1}} Și {\ displaystyle X_ {2}} care urmăresc respectiv distribuțiile Poisson ale parametrilor {\ displaystyle \ lambda _ {1}} Și {\ displaystyle \ lambda _ {2}} .
Distribuția probabilității{\ displaystyle Y = X_ {1} -X_ {2}} Și
- {\ displaystyle P (n) = e ^ {- (\ lambda _ {1} + \ lambda _ {2})} \ left ({\ frac {\ lambda _ {1}} {\ lambda _ {2}} } \ right) ^ {\ frac {n} {2}} I_ {| n |} (2 {\ sqrt {\ lambda _ {1} \ lambda _ {2}}})} ,
unde este {\ displaystyle I _ {\ alpha}} este funcția Bessel de primul tip modificată
Această distribuție este derivată din distribuții {\ displaystyle P (X_ {i} = n_ {i}) = e ^ {- \ lambda _ {i}} \ lambda _ {i} ^ {n} / n!} , exprimând
- {\ displaystyle P (Y = n) = \ sum _ {n_ {1} -n_ {2} = n} P (X_ {1} = n_ {1}) P (X_ {2} = n_ {2}) = {\ frac {1} {e ^ {\ lambda _ {1} + \ lambda _ {2}}}} \ left ({\ frac {\ lambda _ {1}} {\ lambda _ {2}}} \ right) ^ {\ frac {n} {2}} \ sum {\ frac {\ lambda _ {1} ^ {n_ {1} - {\ frac {n} {2}}} \ lambda _ {2} ^ {n_ {2} + {\ frac {n} {2}}}} {n_ {1}! n_ {2}!}}} ;
arătând că {\ displaystyle \ textstyle {\ frac {P (Y = n)} {P (Y = -n)}} = \ left ({\ frac {\ lambda _ {1}} {\ lambda _ {2}}} \ dreapta) ^ {n}} obținem formula de distribuție a {\ displaystyle Y} .
În cazul special în care ambele variabile {\ displaystyle X_ {1}} Și {\ displaystyle X_ {2}} urmați aceeași distribuție de probabilitate {\ displaystyle \ mathbb {P} (\ lambda)} , distribuția devine simetrică și distribuția este [2]
- {\ displaystyle P (n) = e ^ {- 2 \ lambda} I_ {| n |} (2 \ lambda)} .
Caracteristici
Variabila aleatorie{\ displaystyle Y = X_ {1} -X_ {2}} cu distribuția parametrilor Skellam {\ displaystyle (\ lambda _ {1}, \ lambda _ {2})} are
- {\ displaystyle E [Y] = E [X_ {1}] - E [X_ {2}] = \ lambda _ {1} - \ lambda _ {2} \}
- {\ displaystyle \ phi _ {Y} (t) = \ phi _ {X_ {1}} (t) \ phi _ {X_ {2}} (- t) = e ^ {\ lambda _ {1} e ^ {it} + \ lambda _ {2} e ^ {- it} - (\ lambda _ {1} + \ lambda _ {2})}}
- {\ displaystyle g_ {Y} (t) = g_ {X_ {1}} (t) g_ {X_ {2}} (- t) = e ^ {\ lambda _ {1} e ^ {t} + \ lambda _ {2} și ^ {- t} - (\ lambda _ {1} + \ lambda _ {2})}}
Luând
- {\ displaystyle s = \ lambda _ {1} + \ lambda _ {2}} Și {\ displaystyle d = \ lambda _ {1} + \ lambda _ {2}} ,
primele momente simple sunt derivate din funcția generatoare de momente
- {\ displaystyle \ mu _ {1} (Y) = d} , {\ displaystyle \ mu _ {2} (Y) = d ^ {2} + s} , {\ displaystyle \ mu _ {3} (Y) = d ^ {3} + 3ds + d} , {\ displaystyle \ mu _ {4} (Y) = d ^ {4} + 6d ^ {2} s + 4d ^ {2} + 3s ^ {2} + s}
și primele momente centrale
- {\ displaystyle m_ {2} (Y) = s} , {\ displaystyle m_ {3} (Y) = d} , {\ displaystyle m_ {4} (Y) = 3s ^ {2} + s} ;
în special găsim varianța
- {\ displaystyle {\ text {Var}} (Y) = m_ {2} (Y) = s = \ lambda _ {1} + \ lambda _ {2} \}
și indicii de asimetrie și curtoză
- {\ displaystyle \ gamma _ {1} = {\ frac {m_ {3}} {m_ {2} ^ {3/2}}} = {\ frac {d} {s ^ {3/2}}} = {\ frac {\ lambda _ {1} - \ lambda _ {2}} {(\ lambda _ {1} + \ lambda _ {2}) ^ {\ frac {3} {2}}}}} ,
- {\ displaystyle \ gamma _ {2} = {\ frac {m_ {4}} {m_ {2} ^ {2}}} - 3 = {\ frac {3s ^ {2} + s} {s ^ {2 }}} - 3 = {\ frac {1} {s}} = (\ lambda _ {1} + \ lambda _ {2}) ^ {- 1}} .
Proprietate
Distribuția Poisson poate fi considerată un caz special al distribuției Skellam, cu parametri {\ displaystyle (\ lambda, 0)} ; cu alte cuvinte, având în vedere distribuția degenerată ( {\ displaystyle {P (X_ {2} = 0) = 1}} ) un caz particular de distribuție Poisson cu parametrul 0, variabila aleatorie {\ displaystyle Y = X_ {1} -X_ {2} = X_ {1}} este diferența a două variabile aleatoare independente având distribuții Poisson.
Suma și diferența a două sau mai multe variabile aleatoare independente care urmează distribuțiilor Skellam (sau Poisson) urmează ambele o distribuție Skellam. Această proprietate rezultă din definiția distribuției Skellam și din proprietatea analogă pentru suma a două sau mai multe variabile aleatoare independente cu distribuția Poisson. Mai exact, dacă{\ displaystyle X = X_ {1} -X_ {2}} Și{\ displaystyle Y = Y_ {1} -Y_ {2}} Urmează distribuțiile parametrilor Skellam {\ displaystyle (\ lambda _ {1}, \ lambda _ {2})} Și {\ displaystyle (\ mu _ {1}, \ mu _ {2})} , asa de
- {\ displaystyle -X = X_ {2} -X_ {1}} urmărește distribuția parametrilor Skellam {\ displaystyle (\ lambda _ {2}, \ lambda _ {1})} ,
- {\ displaystyle X + Y = (X_ {1} + Y_ {1}) - (X_ {2} + Y_ {2})} urmărește distribuția parametrilor Skellam {\ displaystyle (\ lambda _ {1} + \ mu _ {1}, \ lambda _ {2} + \ mu _ {2})} ,
- {\ displaystyle XY = (X_ {1} + Y_ {2}) - (X_ {2} + Y_ {1})} urmărește distribuția parametrilor Skellam {\ displaystyle (\ lambda _ {1} + \ mu _ {2}, \ lambda _ {2} + \ mu _ {1})} ,
Notă
- ^ (EN) JG Skellam, Distribuția în frecvență a diferenței dintre două variante Poisson aparținând diferitelor populații ( rezumat ) în Jurnalul Societății Regale de Statistică, vol. 109, nr. 3, 1946, pp. 296.
- ^ (EN) JO Irwin, Distribuția în frecvență a diferenței dintre două variații independente Urmând aceeași distribuție Poisson ( rezumat ) în Journal of the Royal Statistical Society, vol. 100, nr. 3, 1937, pp. 415-416.
Elemente conexe