Charakterystyczną funkcją rozkładu Fishera jest:
gdzie to zbieżna funkcja hipergeometryczna . Ja próbuje rozwiązać odwrotną transformatę Fouriera \ mathcal {f} _ {t, ^ {X} - 1} z n -convolution odzyskania gęstości zmiennej x , to jest:
\ mathcal {C {T} _ , x} ^ {- 1} \ left (C (t) ^ n \ right)
w celu uzyskania rozkładu sumy nC ( t ) = Γ ( α + 1F(1,α)U
C(t)=Γ(α+12)U(12,1−α2,−itα)Γ(α2)
U n x F - 1 t , x ( C ( t ) n ) nF−1t,xnxF−1t,x(C(t)n)
nZmienne losowe dystrybuowane przez Fishera. Zastanawiam się, czy ktoś ma jakiś pomysł, ponieważ wydaje się bardzo trudny do rozwiązania. Próbowałem wartości
α=3 i
n=2 bezskutecznie. Uwaga: dla
n=2 przez splot otrzymuję pdf średniej (nie sumy):
3(12(x2+3)(5x2−3)x2+9(20x4+27x2+9)log(4x23+1)+23–√(x2+15)(4x2+3)x3tan−1(2x3√))π2x3(x2+3)3(4x2+3)
,
gdzie x jest średnią z 2 zmiennych. Wiem, że jest nieporęczny, ale chciałbym dowiedzieć się o przybliżeniu rozkładu basenu.