Distribució gaussiana inversa generalitzada

Infotaula distribució de probabilitatGeneralized inverse Gaussian
Funció de densitat de probabilitat
Probability density plots of GIG distributions
Tipusfamília exponencial i distribució de probabilitat contínua Modifica el valor a Wikidata
EpònimCarl Friedrich Gauß i Herbert Sichel (en) Tradueix Modifica el valor a Wikidata
Paràmetresa > 0, b > 0, p real
Suportx > 0
fdp f ( x ) = ( a / b ) p / 2 2 K p ( a b ) x ( p 1 ) e ( a x + b / x ) / 2 {\displaystyle f(x)={\frac {(a/b)^{p/2}}{2K_{p}({\sqrt {ab}})}}x^{(p-1)}e^{-(ax+b/x)/2}}
Variància ( b a ) [ K p + 2 ( a b ) K p ( a b ) ( K p + 1 ( a b ) K p ( a b ) ) 2 ] {\displaystyle \left({\frac {b}{a}}\right)\left[{\frac {K_{p+2}({\sqrt {ab}})}{K_{p}({\sqrt {ab}})}}-\left({\frac {K_{p+1}({\sqrt {ab}})}{K_{p}({\sqrt {ab}})}}\right)^{2}\right]}

En teoria i estadística de probabilitats, la distribució gaussiana inversa generalitzada (GIG) és una família de tres paràmetres de distribucions de probabilitat contínues amb funció de densitat de probabilitat.

f ( x ) = ( a / b ) p / 2 2 K p ( a b ) x ( p 1 ) e ( a x + b / x ) / 2 , x > 0 , {\displaystyle f(x)={\frac {(a/b)^{p/2}}{2K_{p}({\sqrt {ab}})}}x^{(p-1)}e^{-(ax+b/x)/2},\qquad x>0,}

on Kp és una funció de Bessel modificada del segon tipus, a > 0, b > 0 i p un paràmetre real. S'utilitza àmpliament en geoestadística, lingüística estadística, finances, etc. Aquesta distribució va ser proposada per primera vegada per Étienne Halphen.[1][2] Va ser redescoberta i popularitzada per Ole Barndorff-Nielsen, que la va anomenar distribució gaussiana inversa generalitzada. Les seves propietats estadístiques es discuteixen a les notes de la conferència de Bent Jørgensen.[3]

Propietats

Per fixació θ = a b {\displaystyle \theta ={\sqrt {ab}}} i η = b / a {\displaystyle \eta ={\sqrt {b/a}}} , podem expressar alternativament la distribució GIG com f ( x ) = 1 2 η K p ( θ ) ( x η ) p 1 e θ ( x / η + η / x ) / 2 , {\displaystyle f(x)={\frac {1}{2\eta K_{p}(\theta )}}\left({\frac {x}{\eta }}\right)^{p-1}e^{-\theta (x/\eta +\eta /x)/2},} on θ {\displaystyle \theta } és el paràmetre de concentració mentre η {\displaystyle \eta } és el paràmetre d'escala.

Barndorff-Nielsen i Halgreen van demostrar que la distribució GIG és infinitament divisible.

Característica d'una variable aleatòria X G I G ( p , a , b ) {\displaystyle X\sim GIG(p,a,b)} es dona com (per a una derivació de la funció característica, vegeu materials suplementaris de[4])

E ( e i t X ) = ( a a 2 i t ) p 2 K p ( ( a 2 i t ) b ) K p ( a b ) {\displaystyle E(e^{itX})=\left({\frac {a}{a-2it}}\right)^{\frac {p}{2}}{\frac {K_{p}\left({\sqrt {(a-2it)b}}\right)}{K_{p}\left({\sqrt {ab}}\right)}}}

per t R {\displaystyle t\in \mathbb {R} } on i {\displaystyle i} denota el nombre imaginari.

Referències

  1. Seshadri, V. «Halphen's laws». A: Kotz. Encyclopedia of Statistical Sciences, Update Volume 1 (en anglès). Nova York: Wiley, 1997, p. 302–306. 
  2. Perreault, L.; Bobée, B.; Rasmussen, P. F. Journal of Hydrologic Engineering, 4, 3, 1999, pàg. 189. DOI: 10.1061/(ASCE)1084-0699(1999)4:3(189).
  3. Jørgensen, Bent. Statistical Properties of the Generalized Inverse Gaussian Distribution (en anglès). 9. New York–Berlin: Springer-Verlag, 1982 (Lecture Notes in Statistics). ISBN 0-387-90665-7. 
  4. Pal, Subhadip; Gaskins, Jeremy Journal of Statistical Computation and Simulation, 92, 16, 23-05-2022, pàg. 3430–3451. DOI: 10.1080/00949655.2022.2067853. ISSN: 0094-9655.