Aus Wikipedia, Liberade Libera.
Logarithmische Verteilung
Diskrete Wahrscheinlichkeitsfunktion
Wahrscheinlichkeitsverteilung
Verteilungsfunktion
Verteilungsfunktion
Parameter
p ∈ ] 0 , 1 [ {DisplayStyle Pin] 0,1 [}
Unterstützung
N ∖ { 0 } = { 1 , 2 , 3 , . . . } {DisplayStyle mathbb {n} setminus {0} = {1,2,3, …}}
Dichtefunktion
1 log 1 1 − p p n n {DisplayStyle {frac {1} {log {frac {1} {1-p}}}}} {frac {p^{n}}}}}}}}}}}}
Verteilungsfunktion
1 + B b ( n + 1 , 0 ) ln ( 1 − p ) {displayStyle 1+ {frac {mathrm {b} _ {b} (n+1,0)} {ln (1-p)}}}}
Kind
B p {displaystyle mathrm {B} _{p}}
Die unvollständige Beta -Funktion
Erwartet
1 log 1 1 − p p 1 − p {displayStyle {Frac {1} {log {Frac {1} {1-P}}}} {Frac {P} {1-P}}}
Mode
1 {DisplayStyle 1}
Varianz
− p p + log ( 1 − p ) ( 1 − p ) 2 ( log ( 1 − p ) ) 2 {displayStyle -p {frac {p+log (1-p)} {(1-p)^{2} (log (1-p))^{2}}}}
Momentgenerierungsfunktion
log ( 1 − p e t ) log ( 1 − p ) {displayStyle {Frac {log (1-Pe^{t})} {log (1-p)}}}}
Funktionsfunktion
log ( 1 − p e i t ) log ( 1 − p ) {displayStyle {Frac {log (1-Pe^{it})} {log (1-p)}}}}
Handbuch
Theoretisch der Wahrscheinlichkeit die Logarithmische Verteilung (Ö Serie logarithmisch) ist eine Verteilung der diskreten Wahrscheinlichkeit auf die positiven integralen Zahlen, die die Entwicklung in Taylor des natürlichen Logarithmus ausdrückt.
Protokoll ( Erste – – X ) = – – ( X + x 2 2 + x 3 3 + . . . ) {displayStyle log (1-x) =-{big (} x+{frac {x^{2}} {2}}+{frac {x^{3}} {3}}+… {big)}} }
.
Die Verteilung wurde von Ronald Fisher in einer Studie über die Genetik der Populationen beschrieben. [Erste]
Die logarithmische Verteilung des Parameters
P ∈ ] 0 Anwesend Erste [ {DisplayStyle Pin] 0,1 [}
schreibt die Chancen zu
P ( N ) = 1 − log ( 1 − p ) p n n = 1 log 1 1 − p p n n {DisplayStyle p (n) = {frac {1} {-log (1-p)}} {frac {p^{n}}}}} = {frac {1} {log {frac {1} {1 {1 {1 {1 {1 {1 {1 {1 -p}}}} {frac {p^{n}} {n}}}}
pro
N > 0 {displayStyle n> 0}
– – Protokoll ( Erste – – X ) {displayStyle -log (1 -x)}
Es hat einen Konvergenzstrahl 1, die Gesamtwahrscheinlichkeit beträgt 1.
Die Verteilungsfunktion ist
F ( N ) = Erste + B p ( n + 1 , 0 ) log ( 1 − p ) {displayStyle f (n) = 1+{frac {mathrm {b} _ {p} (n+1,0)} {log (1-p)}}}
Anwesend
Wo
B p {displayStyle mathrm {b} _ {p}}
Es ist die unvollständige Beta -Funktion.
Eine zufällige Variable
X {displayStyle x}
mit logarithmischer Verteilung des Parameters
P {displayStyle p}
Ha
μ k = UND [ X k ] = 1 log 1 1 − p ∑ n > 0 n k − 1 p k M sovey Rep Walfey Tife auch selbst.
UND [ X ] = 1 log 1 1 − p p 1 − p {displayStyle e [x] = {Frac {1} {log {frac {1} {1-P}}}} {Frac {P} {1-P}}}}}}}}}}}}}}}}}}}}}}}}}}}
Var ( X ) = UND [ X 2 ] – – UND [ X ] 2 = 1 − ( 1 − p ) 2 log ( 1 − p ) – – ( p − ( 1 − p ) log ( 1 − p ) ) 2 {displayStyle {text {var}} (x) = e [x^{2}]-e [x]^{2} = {frac {1} {-(1-p)^{2} log (1- 1- p)}}-{big (} {frac {p} {-(1-p) log (1-p)}} {big)}^{2}}
.
Die Funktion für Erzeugungsfunktion ist
g X ( T ) = UND [ e t X ] = 1 − log ( 1 − p ) ∑ n > 0 ( p e t ) n n = log ( 1 − p e t ) log ( 1 − p ) {displayStyle g_ {x} (t) = e [e^{tx}] = {frac {1} {-log (1-p)}} sum _ {n> 0} {frac {(pe^{t} )^{n}} {n}} = {frac {log (1-pe^{t})} {log (1-p)}}}
P n / N {DisplayStyle p^{n}/n}
nimmt ab,
P ( N ) {displayStyle p (n)}
Es nimmt den maximalen Wert in 1, Mode.
Rekursive Formel [ ändern | Modifica Wikitesto ]
Die logarithmische Verteilung des Parameters
P {displayStyle p}
trifft Panjers Rekursion
P ( N ) = ( P + − p n ) P ( N – – Erste ) {DisplayStyle p (n) = (p+{tfrac {-p} {n}}) p (n-1)}
pro
N > Erste {displayStyle n> 1}
N ∖ { 0 } {DisplayStyle mathbb {n} setminus {0}}
. (Die Verteilung von Panjer mit denselben Parametern definiert eine Degenere -Verteilung mit
P ( Erste ) = ( P – – P ) P ( 0 ) = 0 {displayStyle p (1) = (p-p) p (0) = 0}
.))
Poisson komponierte Verteilung [ ändern | Modifica Wikitesto ]
Die zufällige Variabile
N {displayStyle n}
Eine Verteilung von Poisson folgt dann der Summe von
N {displayStyle n}
Zufällungsvariablen in Indien
X 1 Anwesend . . . Anwesend X N {DisplayStyle x_ {1}, …, x_ {n}}}
mit der gleichen logarithmischen Verteilung,,
X 1 + . . . + X N {DisplayStyle x_ {1}+…+x_ {n}}
Anwesend
Eine Verteilung der Pascal (oder negativen Kombination) folgt.
Mit anderen Worten, die Verteilung von Pascal ist eine Verteilung, die aus Poisson der logarithmischen Verteilung besteht.
Recent Comments