Распределение вероятностей
В теории вероятностей и статистике бета -простое распределение (также известное как инвертированное бета-распределение или бета-распределение второго рода [1] ) представляет собой абсолютно непрерывное распределение вероятностей . Если имеет бета-распределение , то шансы имеют бета-простое распределение.
![{\displaystyle {\frac {p}{1-p}}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Определения
Бета-простое распределение определяется для двух параметров α и β , имеющих функцию плотности вероятности :![{\displaystyle x>0}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle f(x)={\frac {x^{\alpha -1}(1+x)^{-\alpha -\beta }}{B(\alpha,\beta)}}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
где B — бета-функция .
Кумулятивная функция распределения равна
![{\displaystyle F(x;\alpha,\beta)=I _ {\frac {x}{1+x}}\left (\alpha,\beta \right),}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
где I — регуляризованная неполная бета-функция .
Ожидаемое значение, дисперсия и другие детали распределения указаны в боковом окне; при , избыточный эксцесс равен![{\displaystyle \beta >4}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \gamma _{2}=6{\frac {\alpha (\alpha +\beta -1)(5\beta -11)+(\beta -1)^{2}(\beta -2) }{\alpha (\alpha +\beta -1)(\beta -3)(\beta -4)}}.}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
В то время как соответствующее бета-распределение представляет собой сопряженное априорное распределение параметра распределения Бернулли, выраженное как вероятность, бета-распределение простых чисел представляет собой сопряженное априорное распределение параметра распределения Бернулли, выраженное в коэффициентах . Распределение представляет собой распределение Пирсона VI типа . [1]
Мода переменной X распределяется как есть . Его среднее значение равно if (если среднее значение бесконечно, другими словами, оно не имеет четко определенного среднего значения), а его дисперсия равна if .![{\displaystyle \beta '(\alpha,\beta)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle {\hat {X}}={\frac {\alpha -1}{\beta +1}}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle {\frac {\alpha }{\beta -1}}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \beta >1}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \beta \leq 1}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle {\frac {\alpha (\alpha +\beta -1)}{(\beta -2)(\beta -1)^{2}}}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \beta >2}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
При k -й момент определяется выражением![{\displaystyle -\alpha <k<\beta }](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle E[X^{k}]}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle E[X^{k}]={\frac {B(\alpha +k,\beta -k)}{B(\alpha,\beta)}}.}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Ибо это упрощает![{\displaystyle k\in \mathbb {N}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle k<\beta,}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle E[X^{k}]=\prod _{i=1}^{k}{\frac {\alpha +i-1}{\beta -i}}.}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
CDF также можно записать как
![{\displaystyle {\frac {x^{\alpha }\cdot {}_{2}F_{1}(\alpha,\alpha +\beta,\alpha +1,-x)}{\alpha \cdot B (\альфа,\бета)}}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
где – гипергеометрическая функция Гаусса 2 F 1 .
Альтернативная параметризация
Бета-распределение простых чисел также может быть перепараметризовано с точки зрения его среднего значения µ > 0 и точности ν > 0 параметров ( [2], стр. 36).
Рассмотрим параметризацию µ = α /( β -1) и ν = β – 2, т. е. α = µ ( 1 + ν ) и β = 2 + ν . При этой параметризации E[Y] = µ и Var[Y] = µ (1 + µ )/ ν .
Обобщение
Для формирования обобщенного простого бета-распределения можно добавить еще два параметра :![{\displaystyle \beta '(\alpha,\beta,p,q)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
имеющая функцию плотности вероятности :
![{\displaystyle f(x;\alpha,\beta,p,q)={\frac {p\left({\frac {x}{q}}\right)^{\alpha p-1}\left( 1+\left({\frac {x}{q}}\right)^{p}\right)^{-\alpha -\beta }}{qB(\alpha ,\beta )}}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
со средним
![{\displaystyle {\frac {q\Gamma \left(\alpha +{\tfrac {1}{p}}\right)\Gamma (\beta - {\tfrac {1}{p}})}{\Gamma (\alpha )\Gamma (\beta )}}\quad {\text{if }}\beta p>1}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
и режим
![{\displaystyle q\left({\frac {\alpha p-1}{\beta p+1}}\right)^{\tfrac {1}{p}}\quad {\text{if }}\alpha р\geq 1}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Обратите внимание, что если p = q = 1, то обобщенное бета-простое распределение сводится к стандартному бета-простому распределению .
Это обобщение можно получить с помощью следующего обратимого преобразования. Если и за , то . ![{\displaystyle y\sim \beta '(\alpha,\beta)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle x=qy^{1/p}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle q,p>0}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle x\sim \beta '(\alpha,\beta,p,q)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Сложное гамма-распределение
Составное гамма-распределение [3] представляет собой обобщение простого бета-распределения, когда добавляется параметр масштаба q , но где p = 1. Оно названо так потому, что образуется путем объединения двух гамма-распределений :
![{\displaystyle \beta '(x;\alpha,\beta,1,q)=\int _{0}^{\infty }G(x;\alpha,r)G(r;\beta,q)\ ;др}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
где гамма-pdf с формой и обратным масштабом . ![{\ displaystyle G (x; a, b)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle а}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle б}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Режим, среднее значение и дисперсию составной гаммы можно получить путем умножения режима и среднего значения в приведенном выше информационном окне на q , а дисперсию на q 2 .
Другой способ выразить начисление процентов: если и , то . (Это дает один способ генерировать случайные переменные с помощью составных гамма-распределений или бета-распределений простых чисел. Другой способ — через соотношение независимых гамма-переменных, как показано ниже.)![{\ displaystyle r \ sim G (\ beta, q)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle x\mid r\sim G(\alpha,r)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle x\sim \beta '(\alpha,\beta,1,q)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Характеристики
- Если тогда .
![{\displaystyle X\sim \beta '(\alpha,\beta)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle {\tfrac {1}{X}}\sim \beta '(\beta,\alpha)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
- Если , и , то .
![{\displaystyle Y\sim \beta '(\alpha,\beta)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle X=qY^{1/p}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle X\sim \beta '(\alpha,\beta,p,q)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
- Если тогда .
![{\displaystyle X\sim \beta '(\alpha,\beta,p,q)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle kX\sim \beta '(\alpha,\beta,p,kq)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \beta '(\alpha,\beta,1,1) =\beta '(\alpha,\beta)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
- Если и две переменные iid, то с и , поскольку бета-простое распределение бесконечно делится.
![{\displaystyle X_{1}\sim \beta '(\alpha,\beta)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle X_{2}\sim \beta '(\alpha,\beta)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle Y=X_{1}+X_{2}\sim \beta '(\gamma,\delta)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \gamma = {\frac {2\alpha (\alpha +\beta ^{2}-2\beta +2\alpha \beta -4\alpha +1)}{(\beta -1)(\ альфа +\бета -1)}}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \delta = {\frac {2\alpha +\beta ^{2}-\beta +2\alpha \beta -4\alpha {\alpha +\beta -1}}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
- В более общем смысле, пусть переменные iid следуют одному и тому же простому бета-распределению, т. е . тогда сумма с и .
![{\displaystyle X_{1},...,X_{n}n}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \forall я,1\leq я\leq n,X_{i}\sim \beta '(\alpha,\beta)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle S=X_{1}+...+X_{n}\sim \beta '(\gamma,\delta)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \gamma = {\frac {n\alpha (\alpha +\beta ^{2}-2\beta +n\alpha \beta -2n\alpha +1)}{(\beta -1)(\ альфа +\бета -1)}}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \delta = {\frac {2\alpha +\beta ^{2}-\beta +n\alpha \beta -2n\alpha {\alpha +\beta -1}}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Связанные дистрибутивы
- Если имеет F -распределение , то , или, что то же самое, .
![{\ displaystyle X \ sim F (2 \ альфа, 2 \ бета)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle {\tfrac {\alpha }{\beta }}X\sim \beta '(\alpha,\beta)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle X\sim \beta '(\alpha,\beta,1,{\tfrac {\beta }{\alpha }})}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
- Если тогда .
![{\displaystyle X\sim {\textrm {Beta}}(\alpha,\beta)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle {\frac {X}{1-X}}\sim \beta '(\alpha,\beta)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
- Если тогда .
![{\displaystyle X\sim \beta '(\alpha,\beta)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle {\frac {X}{1+X}}\sim {\textrm {Beta}}(\alpha,\beta)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
- Для параметризации гамма-распределения I:
- Если независимы, то . Обратите внимание на все параметры масштаба для соответствующих распределений.
![{\displaystyle X_{k}\sim \Gamma (\alpha _{k},\theta _{k})}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle {\tfrac {X_{1}}{X_{2}}}\sim \beta '(\alpha _{1},\alpha _{2},1,{\tfrac {\theta _{1 }}{\theta _{2}}})}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \theta _{1},\theta _{2},{\tfrac {\theta _{1}}{\theta _{2}}}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
- Для параметризации гамма-распределения II:
- Если независимы, то . Это параметры скорости, а является параметром масштаба.
![{\displaystyle X_{k}\sim \Gamma (\alpha _{k},\beta _{k})}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle {\tfrac {X_{1}}{X_{2}}}\sim \beta '(\alpha _{1},\alpha _{2},1,{\tfrac {\beta _{2) }}{\beta _{1}}})}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \beta _{k}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle {\tfrac {\beta _{2}}{\beta _{1}}}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
- Если и , то . Это параметры скорости для гамма-распределений, но это параметр масштаба для бета-простого числа.
![{\displaystyle \beta _{2}\sim \Gamma (\alpha _{1},\beta _{1})}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle X_{2}\mid \beta _{2}\sim \Gamma (\alpha _{2},\beta _{2})}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle X_{2}\sim \beta '(\alpha _{2},\alpha _{1},1,\beta _{1})}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \beta _{k}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \beta _{1}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
распределение Дагума
Распределение Сингха- Маддалы .
Логистическое распределение .- Бета-простое распределение является частным случаем распределения Пирсона 6-го типа .
- Если X имеет распределение Парето с минимумом и параметром формы , то .
![{\displaystyle x_{m}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \альфа }](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle {\dfrac {X}{x_{m}}}-1\sim \beta ^ {\prime }(1,\alpha)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
- Если X имеет распределение Ломакса , также известное как распределение Парето типа II, с параметром формы и параметром масштаба , то .
![{\displaystyle \альфа }](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \lambda }](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle {\frac {X}{\lambda }}\sim \beta ^{\prime }(1,\alpha)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
- Если X имеет стандартное распределение Парето типа IV с параметром формы и параметром неравенства , то , или эквивалентно .
![{\displaystyle \альфа }](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \гамма }](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle X^{\frac {1}{\gamma }}\sim \beta ^{\prime }(1,\alpha)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle X\sim \beta ^{\prime }(1,\alpha,{\tfrac {1}{\gamma }},1)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
- Инвертированное распределение Дирихле является обобщением простого бета-распределения.
- Если , то имеет обобщенное логистическое распределение . В более общем смысле, если , то имеет масштабированное и смещенное обобщенное логистическое распределение.
![{\displaystyle X\sim \beta '(\alpha,\beta)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \ln X}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle X\sim \beta '(\alpha,\beta,p,q)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \ln X}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Примечания
- ^ Аб Джонсон и др. (1995), стр. 248.
- ^ Бургиньон, М.; Сантос-Нето, М.; де Кастро, М. (2021). «Новая модель регрессии для положительных случайных величин с асимметричным и длинным хвостом». Метрон . 79 : 33–55. doi : 10.1007/s40300-021-00203-y. S2CID 233534544.
- ^ Дубей, Сатья Д. (декабрь 1970 г.). «Соединенные гамма-, бета- и F-распределения». Метрика . 16 : 27–31. дои : 10.1007/BF02613934. S2CID 123366328.
Рекомендации
- Джонсон, Н.Л., Коц, С., Балакришнан, Н. (1995). Непрерывные одномерные распределения , Том 2 (2-е издание), Wiley. ISBN 0-471-58494-0
- Бургиньон, М.; Сантос-Нето, М.; де Кастро, М. (2021), «Новая модель регрессии для положительных случайных величин с асимметричным и длинным хвостом», Metron , 79 : 33–55, doi : 10.1007/s40300-021-00203-y, S2CID 233534544