Конвей – Максвелл – биномПараметры |  |
---|
Поддерживать |  |
---|
PMF |  |
---|
CDF |  |
---|
Иметь в виду | Нет в списке |
---|
Медиана | Нет закрытой формы |
---|
Режим | См. Текст |
---|
Дисперсия | Нет в списке |
---|
Асимметрия | Нет в списке |
---|
Бывший. эксцесс | Нет в списке |
---|
Энтропия | Нет в списке |
---|
MGF | См. Текст |
---|
CF | См. Текст |
---|
В теория вероятности и статистика, то Конвей – Максвелл – бином (CMB) распределение - это трехпараметрическое дискретное распределение вероятностей, которое обобщает биномиальное распределение аналогично тому, как Распределение Конвея – Максвелла – Пуассона. обобщает распределение Пуассона. Распределение реликтового излучения можно использовать для моделирования как положительной, так и отрицательной связи между Бернулли слагаемые ,.[1][2]
В распределение был введен Шумели и др. (2005),[1] и название Конвея – Максвелла – биномиальное распределение было независимо введено Кадейном (2016) [2] и Дейли и Гонт (2016).[3]
Вероятностная функция масс
Биномиальное распределение Конвея – Максвелла (CMB) имеет функция массы вероятности

куда
,
и
. В нормализующая константа
определяется

Если случайная переменная
имеет указанную выше функцию масс, то мы пишем
.
Дело
обычное биномиальное распределение
.
Связь с распределением Конвея – Максвелла – Пуассона.
Следующая связь между случайными величинами Конвея – Максвелла – Пуассона (CMP) и CMB [1] обобщает известный результат о пуассоновских и биномиальных случайных величинах. Если
и
находятся независимый, тогда
.
Сумма возможных ассоциированных случайных величин Бернулли
Случайная величина
может быть написано [1] как сумма обмениваемый Случайные величины Бернулли
удовлетворение

куда
. Обратите внимание, что
в общем, если только
.
Производящие функции
Позволять

Затем функция, производящая вероятность, функция, производящая момент и характеристическая функция даются соответственно:[2]



Моменты
Для общего
, не существует выражений в закрытой форме для моменты распределения CMB. Следующие аккуратные формула доступен, однако.[3] Позволять
обозначить падающий факториал. Позволять
, куда
. потом
![{ displaystyle operatorname {E} [((Y) _ {r}) ^ { nu}] = { frac {C_ {nr, p, nu}} {C_ {n, p, nu}} } ((n) _ {r}) ^ { nu} p ^ {r} ,,}](https://wikimedia.org/api/rest_v1/media/math/render/svg/8955a48a7ec9075664e225fcb1e4cc55f83e545d)
за
.
Режим
Позволять
и определить

Тогда Режим из
является
если
не является целое число. В противном случае режимы
находятся
и
.[3]
Характеристика Штейна
Позволять
, и предположим, что
таково, что
и
. потом [3]
![{ displaystyle operatorname {E} [p (n-Y) ^ { nu} f (Y + 1) - (1-p) Y ^ { nu} f (Y)] = 0.}](https://wikimedia.org/api/rest_v1/media/math/render/svg/2f97a7936458181eee3284350aa0024734257338)
Аппроксимация распределением Конвея – Максвелла – Пуассона.
Исправить
и
и разреши
потом
сходится в раздаче
распространение как
.[3] Этот результат обобщает классическое пуассоновское приближение биномиального распределения.
Биномиальное распределение Конвея – Максвелла – Пуассона.
Позволять
- случайные величины Бернулли с совместное распределение данный

куда
и нормирующая постоянная
дан кем-то

куда

Позволять
. потом
имеет функцию массы

за
. Это распределение обобщает Биномиальное распределение Пуассона способом, аналогичным обобщениям CMP и CMB пуассоновского и биномиального распределений. Поэтому такая случайная величина называется [3] следовать биномиальному распределению Конвея – Максвелла – Пуассона (CMPB). Это не следует путать с довольно неудачной терминологией Конвея – Максвелла – Пуассона – бинома, которая использовалась [1] для распределения CMB.
Дело
- обычное биномиальное распределение Пуассона и случай
это
распределение.
Рекомендации
- ^ а б c d е Шмуэли Г., Минка Т., Кадане Дж. Б., Борле С., Боутрайт П. Б. «Полезное распределение для подгонки дискретных данных: возрождение распределения Конвея – Максвелла – Пуассона». Журнал Королевского статистического общества: Серия C (Прикладная статистика) 54.1 (2005): 127–142.[1]
- ^ а б c Кадане, Дж. Б. «Суммы возможных связанных переменных Бернулли: биномиальное распределение Конвея – Максвелла». Байесовский анализ 11 (2016): 403–420.
- ^ а б c d е ж Дейли Ф. и Гонт Р. «Распределение Конвея – Максвелла – Пуассона: теория распределений и приближение». Латиноамериканский журнал вероятностей и математической статистики ALEA 13 (2016): 635–658.