Gęstość Y = log (X) dla X rozproszonego gamma


12

To pytanie jest ściśle związane z tym postem

Załóżmy, że mam losową zmienną i zdefiniuję . Chciałbym znaleźć funkcję gęstości prawdopodobieństwa .X∼Gamma(k,θ)Y=log⁡(X)Y

Początkowo myślałem, że po prostu zdefiniuję funkcję rozkładu skumulowanego X, dokonam zmiany zmiennej i wezmę „wnętrze” całki jako moją gęstość, podobnie jak

P(X≤c)=∫0c1θk1Γ(k)xk−1e−xθdxP(Y≤log⁡c)=∫log⁡(0)log⁡(c)1θk1Γ(k)exp⁡(y)k−1e−exp⁡(y)θexp⁡(y)dy

Tutaj używam i , a następnie sub w definicjach i w kategoriach .y=log⁡xxdxydy=1xdxxdxy

Wyjście niestety nie integruje się z 1. Nie jestem pewien, gdzie jest mój błąd. Czy ktoś mógłby mi powiedzieć, gdzie jest mój błąd?


1
Jeśli pracujesz przez cdf, nie powinieneś zmieniać całki z pierwszej na drugą całkę. Twoim błędem jest jednoczesne użycie podejścia cdf i jakobian.
— Xi'an

Odpowiedzi:


13

Napisz gęstość za pomocą wskaźników, aby uzyskać wyraźny obraz.

JeśliX∼Gamma(k,θ)

fX(x)=1θkΓ(k)xk−1e−x/θI(0,∞)(x).

Y=g(X)=log⁡XX=h(Y)=eY

fY(y)=fX(h(y))|h′(y)|=1θkΓ(k)exp⁡(ky−ey/θ)I(−∞,∞)(y),
P(Y≤y)=∫−∞yfY(y)dy.

2
To dobra odpowiedź, ale może powinieneś sparametryzować rozkład gamma w taki sam sposób, jak w pierwotnym pytaniu.
— zakłada się, że normalny

Dobra uwaga, Max. Gotowe.
— Zen,

α=k
Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.