Gamma-Gamma-Verteilung

Die Gamma-Gamma-Verteilung ist eine univariate Verteilung für stetige Zufallsvariablen, die in der Bayesschen Statistik und in der Inferenztheorie eine wichtige Rolle spielt, da es sich um eine Mischverteilung handelt.

Definition

Die Wahrscheinlichkeitsdichtefunktion der Gamma-Gamma-Verteilung G g ( α , β , δ ) {\displaystyle Gg(\alpha ,\beta ,\delta )} ist bei α , β , δ > 0 {\displaystyle \alpha ,\beta ,\delta >0}

f ( x ) = β α B ( α , δ ) x δ 1 ( β + x ) α + δ {\displaystyle f(x)={\frac {\beta ^{\alpha }}{B(\alpha ,\delta )}}{\frac {x^{\delta -1}}{(\beta +x)^{\alpha +\delta }}}}

wobei B ( α , β ) {\displaystyle B(\alpha ,\beta )} die Eulersche Betafunktion ist.

Eigenschaften

Erwartungswert und Varianz

Der Erwartungswert ist

E ( X ) = δ β α 1 {\displaystyle \operatorname {E} (X)={\frac {\delta \beta }{\alpha -1}}} , für α > 1 {\displaystyle \alpha >1}

und die Varianz

Var ( X ) = β 2 δ ( δ + α 1 ) ( α 1 ) 2 ( α 2 ) = E ( X ) 2 1 + α 1 δ α 2 {\displaystyle \operatorname {Var} (X)={\frac {\beta ^{2}\delta (\delta +\alpha -1)}{(\alpha -1)^{2}(\alpha -2)}}=\operatorname {E} (X)^{2}{\frac {1+{\frac {\alpha -1}{\delta }}}{\alpha -2}}} , für α > 2 {\displaystyle \alpha >2}

Modus

Der Modus ist

Mod ( X ) = β   ( δ 1 ) α + 1 {\displaystyle \operatorname {Mod} (X)={\frac {\beta \ (\delta -1)}{\alpha +1}}} , für δ > 1 {\displaystyle \delta >1}

Sonderfall δ=1

Falls δ=1, dann ist die Dichtefunktion

f ( x | δ = 1 ) = α β + x ( β β + x ) α {\displaystyle f(x|\delta =1)={\frac {\alpha }{\beta +x}}\left({\frac {\beta }{\beta +x}}\right)^{\alpha }}

Da G ( 1 , λ ) = E x p ( λ ) {\displaystyle G(1,\lambda )=Exp(\lambda )} wendet man diesen Sonderfall an der Exponentialverteilung, mit gammaverteiltem G ( α , β ) {\displaystyle G(\alpha ,\beta )} Parameter λ {\displaystyle \lambda } .

Sonderfall β=1: Inverse Betaverteilung

Eine Gamma-Gamma-Verteilung G g ( α , β = 1 , δ ) {\displaystyle Gg(\alpha ,\beta =1,\delta )} entspricht einer inversen Betaverteilung I n v B ( a = δ , b = α ) {\displaystyle {\mathcal {InvB}}(a=\delta ,b=\alpha )}

Beziehung zur Gammaverteilung

Ist der zweite Parameter ϵ {\displaystyle \epsilon } der Gammaverteilung G ( d , ϵ ) {\displaystyle G(d,\epsilon )} eine Zufallsvariable, die wie eine Gammaverteilung G ( a , b ) {\displaystyle G(a,b)} verteilt ist, dann ist die hervorgehende Zufallsvariable wie eine Gamma-Gamma-Verteilung G ( a , b , d ) {\displaystyle G(a,b,d)} verteilt.

Beziehung zur Exponentialverteilung

Ist der Parameter λ {\displaystyle \lambda } der Exponentialverteilung E x p ( λ ) {\displaystyle Exp(\lambda )} eine Zufallsvariable, die wie eine Gammaverteilung G ( a , b ) {\displaystyle G(a,b)} verteilt ist, dann ist die hervorgehende Zufallsvariable wie eine Gamma-Gamma-Verteilung G ( a , b , 1 ) {\displaystyle G(a,b,1)} verteilt.

Literatur

  • Leonhard Held: Methoden der statistischen Inferenz. Likelihood und Bayes, unter Mitwirkung von Daniel Sabanés Bové, Spektrum Akademischer Verlag, Heidelberg 2008, ISBN 978-3-8274-1939-2

Siehe auch

  • Exponentialverteilung
Diskrete univariate Verteilungen

Diskrete univariate Verteilungen für endliche Mengen:
Benford | Bernoulli | beta-binomial | binomial | Dirac | diskret uniform | empirisch | hypergeometrisch | kategorial | negativ hypergeometrisch | Rademacher | verallgemeinert binomial | Zipf | Zipf-Mandelbrot | Zweipunkt

Diskrete univariate Verteilungen für unendliche Mengen:
Boltzmann | Conway-Maxwell-Poisson | discrete-Phase-Type | erweitert negativ binomial | Gauss-Kuzmin | gemischt Poisson | geometrisch | logarithmisch | negativ binomial | parabolisch-fraktal | Poisson | Skellam | verallgemeinert Poisson | Yule-Simon | Zeta

Kontinuierliche univariate Verteilungen

Kontinuierliche univariate Verteilungen mit kompaktem Intervall:
Beta | Cantor | Kumaraswamy | raised Cosine | Dreieck | Trapez | U-quadratisch | stetig uniform | Wigner-Halbkreis

Kontinuierliche univariate Verteilungen mit halboffenem Intervall:
Beta prime | Bose-Einstein | Burr | Chi | Chi-Quadrat | Coxian | Erlang | Exponential | Extremwert | F | Fermi-Dirac | Folded normal | Fréchet | Gamma | Gamma-Gamma | verallgemeinert invers Gauß | halblogistisch | halbnormal | Hartman-Watson | Hotellings T-Quadrat | hyper-exponentiale | hypoexponential | invers Chi-Quadrat | scale-invers Chi-Quadrat | Invers Normal | Invers Gamma | Kolmogorow-Verteilung | Lévy | log-normal | log-logistisch | Maxwell-Boltzmann | Maxwell-Speed | Nakagami | nichtzentriert Chi-Quadrat | Pareto | Phase-Type | Rayleigh | relativistisch Breit-Wigner | Rice | Rosin-Rammler | shifted Gompertz | truncated normal | Type-2-Gumbel | Weibull | Wilks’ Lambda

Kontinuierliche univariate Verteilungen mit unbeschränktem Intervall:
Cauchy | Extremwert | exponential Power | Fishers z | Fisher-Tippett (Gumbel) | generalized hyperbolic | Hyperbolic-secant | Landau | Laplace | alpha-stabil | logistisch | normal (Gauß) | normal-invers Gauß’sch | Skew-normal | Studentsche t | Type-1-Gumbel | Variance-Gamma | Voigt

Multivariate Verteilungen

Diskrete multivariate Verteilungen:
Dirichlet compound multinomial | Ewens | gemischt Multinomial | multinomial | multivariat hypergeometrisch | multivariat Poisson | negativmultinomial | Pólya/Eggenberger | polyhypergeometrisch

Kontinuierliche multivariate Verteilungen:
Dirichlet | GEM | generalized Dirichlet | multivariat normal | multivariat Student | normalskaliert invers Gamma | Normal-Gamma | Poisson-Dirichlet

Multivariate Matrixverteilungen:
Gleichverteilung auf der Stiefel-Mannigfaltigkeit | Invers Wishart | Matrix Beta | Matrix Gamma | Matrix invers Beta | Matrix invers Gamma | Matrix Normal | Matrix Student-t | Matrix-Von-Mises-Fisher-Verteilung | Normal-invers-Wishart | Normal-Wishart | Wishart