Aspettativa di una gamma quadrata


11

Se una distribuzione gamma è parametrizzata con α e β , allora:

E(Γ(α,β))=αβ

Vorrei calcolare l'aspettativa di una Gamma quadrata, ovvero:

E(Γ(α,β)2)=?

Io penso che è:

E(Γ(α,β)2)=(αβ)2+αβ2

Qualcuno sa se quest'ultima espressione è corretta?


1
Questo era correlato a uno studio di simulazione su cui sto lavorando dove sto disegnando deviazioni standard da una Gamma, e quindi volevo la media delle varianze (cioè, i gammi quadrati).
Giosuè,

Risposte:


13

L'aspettativa del quadrato di qualsiasi variabile casuale è la sua varianza più la sua aspettativa al quadrato, come

.D2(X)=E([X-E(X)]2)=E(X2)-[E(X)]2E(X2)=D2(X)+[E(X)]2

L'attesa della distribuzione parametrizzata come sopra è α / β (come hai menzionato), la varianza è α / β 2 , quindi l'aspettativa del suo quadrato èΓα/β α/β2

.(α/β)2+α/β2

Cioè: hai ragione.


Apprezzo la risposta, anche se non sono sicuro di seguire la tua equazione --- se la segui attraverso D2 (X) finisce per eguagliare D2 (X) + E (X) ^ 2
Giosuè

3
Quella riga non è una singola equazione! Nota la freccia nel mezzo. La prima parte (sul lato sinistro della freccia) è un'equazione che implica la seconda equazione (sul lato destro della freccia). (Aggiungendo su entrambi i lati.)[E(X)]2
Tamas Ferenci il

7

Per completezza, calcolerò direttamente i momenti grezzi dalla densità. Innanzitutto, sotto una parametrizzazione di forma / frequenza, la distribuzione gamma ha densità Daremo per scontato che per qualsiasi scelta di parametri α , β > 0 , abbiamox = 0 f X ( x )

fX(X)=βαXα-1e-βXΓ(α),X>0.
α,β>0 sebbene questo risultato sia facilmente derivato dall'identitàz = 0 x z - 1 e - z
X=0fX(X)dX=1,
Quindi segue che per un numero intero positivo k , E [ X k ]
z=0Xz-1e-zdz=Γ(z).
Kdove nella penultima fase osserviamo che l'integrale è uguale a1perché è l'integrale di una densità gamma con i parametriα+keβ. Perk=2, otteniamo immediatamenteE[X2]=Γ(α+2)
E[XK]=X=0XKfX(X)dX=1Γ(α)X=0βαXα+K-1e-βXdX=Γ(α+K)βKΓ(α)X=0βα+KXα+K-1e-βXΓ(α+K)dX=Γ(α+K)βKΓ(α),
1α+KβK=2 Un altro approccio è tramite la funzione di generazione del momento: M X (t)= E [ e t X ]E[X2]=Γ(α+2)β2Γ(α)=(α+1)αβ2. dove la condizione sutè richiesta affinché l'integrale converga. Possiamo riscriverlo comeMX(t)=(1-t/β)-α,e ne consegue cheE[Xk]= [ d k M X ( t )
MX(t)=E[etX]=X=0βαXα-1e-βX+tXΓ(α)dX=βα(β-t)αX=0(β-t)αXα-1e-(β-t)XΓ(α)dX=(ββ-t)α,t<β,
t
MX(t)=(1-t/β)-α,
E[XK]=[dKMX(t)dtK]t=0=[(1-t/β)-α-K]t=0Πj=0K-1α+jβ=Γ(α+K)βKΓ(α).

Derivazione molto chiara e utile.
Giosuè,
Utilizzando il nostro sito, riconosci di aver letto e compreso le nostre Informativa sui cookie e Informativa sulla privacy.
Licensed under cc by-sa 3.0 with attribution required.