「ベータ分布」の版間の差分
削除された内容 追加された内容
編集の要約なし |
en:Beta prime distribution 18:51, 15 January 2019 からテンプレートの部分を翻訳 |
||
1行目: | 1行目: | ||
{{確率分布 |
{{確率分布 |
||
|名前 =ベータ分布 |
|名前 =第1種ベータ分布 |
||
|型 = 密度 |
|型 = 密度 |
||
|画像/確率関数 = [[画像:Beta distribution pdf.svg|325px|ベータ分布の確率密度関数]] |
|画像/確率関数 = [[画像:Beta distribution pdf.svg|325px|ベータ分布の確率密度関数]] |
||
24行目: | 24行目: | ||
|特性関数 = <math>{}_1 \! F_1 (\alpha ;\alpha +\beta ;i\,t)</math>([[Confluent hypergeometric function]]を参照) |
|特性関数 = <math>{}_1 \! F_1 (\alpha ;\alpha +\beta ;i\,t)</math>([[Confluent hypergeometric function]]を参照) |
||
}} |
}} |
||
{{確率分布 | |
|||
⚫ | |||
name =第2種ベータ分布| |
|||
type =密度| |
|||
pdf_image =[[Image:Beta prime pdf.svg|325px]]| |
|||
cdf_image =[[Image:Beta prime cdf.svg|325px]]| |
|||
parameters =<math>\alpha > 0</math> shape (実数)<br /><math>\beta > 0</math> shape (実数)| |
|||
support =<math>x \in (0,\infty)\!</math>| |
|||
pdf =<math>f(x) = \frac{x^{\alpha-1} (1+x)^{-\alpha -\beta}}{B(\alpha,\beta)}\!</math>| |
|||
cdf =<math> I_{\frac{x}{1+x}(\alpha,\beta) }</math><br><math>I_x(\alpha,\beta)</math> は[[不完全ベータ関数]]| |
|||
mean =<math>\frac{\alpha}{\beta-1} \text{ if } \beta>1</math>| |
|||
median =| |
|||
mode =<math>\frac{\alpha-1}{\beta+1} \text{ if } \alpha\ge 1\text{, 0 otherwise}\!</math>| |
|||
variance =<math>\frac{\alpha(\alpha+\beta-1)}{(\beta-2)(\beta-1)^2} \text{ if } \beta>2</math>| |
|||
skewness =<math>\frac{2(2\alpha+\beta-1)}{\beta-3}\sqrt{\frac{\beta-2}{\alpha(\alpha+\beta-1)}} \text{ if } \beta>3</math>| |
|||
kurtosis =| |
|||
entropy =| |
|||
mgf =<math>\frac{e^{-t}\Gamma(\alpha+\beta)}{\Gamma(\beta)}G_{1,2}^{\,2,0}\!\left(\left.{\begin{matrix}\alpha+\beta\\\beta,0\end{matrix}}\;\right|\,-t\right)</math>| |
|||
char =| |
|||
}} |
|||
⚫ | |||
== 第1種ベータ分布 == |
== 第1種ベータ分布 == |
||
第1種ベータ分布 |
第1種ベータ分布の[[確率密度関数]]は以下で定義される。 |
||
:<math>f(x; \alpha ,\beta )=\frac{x^{\alpha -1}(1-x)^{\beta-1}}{B(\alpha ,\beta)}</math> |
:<math>f(x; \alpha ,\beta )=\frac{x^{\alpha -1}(1-x)^{\beta-1}}{B(\alpha ,\beta)}</math> |
||
ここで {{math|B(''α'', ''β'')}} は[[ベータ関数]]であり、確率変数の取る値は {{math2|0 ≤ ''x'' ≤ 1}}、パラメータ {{math2|''α'', ''β''}} はともに正の実数である。期待値は {{math|{{sfrac|''α''|''α'' + ''β''}}}}、分散は <math>\frac{\alpha\beta}{(\alpha+\beta)^2(\alpha+\beta+1)}</math> である。自然パラメータを {{math2|''η'' {{=}} (''α'' − 1, ''β'' − 1)}} として以下のように書き換えられるので、ベータ分布は指数型分布族である。 |
ここで {{math|B(''α'', ''β'')}} は[[ベータ関数]]であり、確率変数の取る値は {{math2|0 ≤ ''x'' ≤ 1}}、パラメータ {{math2|''α'', ''β''}} はともに正の実数である。期待値は {{math|{{sfrac|''α''|''α'' + ''β''}}}}、分散は <math>\frac{\alpha\beta}{(\alpha+\beta)^2(\alpha+\beta+1)}</math> である。自然パラメータを {{math2|''η'' {{=}} (''α'' − 1, ''β'' − 1)}} として以下のように書き換えられるので、ベータ分布は指数型分布族である。 |
||
35行目: | 55行目: | ||
== 第2種ベータ分布 == |
== 第2種ベータ分布 == |
||
確率変数 {{mvar|X}} が第1種ベータ分布に従うとき、{{math|{{sfrac|''X''|1 − ''X''}}}} の従う分布を第2種ベータ分布([[:en:Beta prime distribution|beta prime distribution]])と呼ぶ。その確率密度関数は以下で定義される。 |
確率変数 {{mvar|X}} が第1種ベータ分布に従うとき、{{math|{{sfrac|''X''|1 − ''X''}}}} の従う分布を第2種ベータ分布([[:en:Beta prime distribution|beta prime distribution]])と呼ぶ。その確率密度関数は以下で定義される。 |
||
:<math>\frac{1}{B(\alpha ,\beta )}\frac{x^{\alpha -1}}{(1+x)^{\alpha +\beta}}</math> |
:<math>f(x; \alpha ,\beta )=\frac{1}{B(\alpha ,\beta )}\frac{x^{\alpha -1}}{(1+x)^{\alpha +\beta}}</math> |
||
== 参考文献 == |
== 参考文献 == |
2019年2月25日 (月) 18:38時点における版
母数 |
形状母数 形状母数 |
---|---|
台 | |
確率密度関数 |
(B はベータ関数) |
累積分布関数 | |
期待値 |
(ψはディガンマ関数) |
中央値 | |
最頻値 | for |
分散 |
(ψ1 はトリガンマ関数) |
歪度 | |
尖度 | |
エントロピー | |
モーメント母関数 | |
特性関数 | (Confluent hypergeometric functionを参照) |
母数 |
shape (実数) shape (実数) |
---|---|
台 | |
確率密度関数 | |
累積分布関数 |
は不完全ベータ関数 |
期待値 | |
最頻値 | |
分散 | |
歪度 | |
モーメント母関数 |
ベータ分布(ベータぶんぷ、英: beta distribution)は、連続確率分布であり、第1種および第2種がある。単にベータ分布と呼んだ場合、第1種ベータ分布を指す。
第1種ベータ分布
第1種ベータ分布の確率密度関数は以下で定義される。
ここで B(α, β) はベータ関数であり、確率変数の取る値は 0 ≤ x ≤ 1、パラメータ α, β はともに正の実数である。期待値は α/α + β、分散は である。自然パラメータを η = (α − 1, β − 1) として以下のように書き換えられるので、ベータ分布は指数型分布族である。
ただし である。
第2種ベータ分布
確率変数 X が第1種ベータ分布に従うとき、X/1 − X の従う分布を第2種ベータ分布(beta prime distribution)と呼ぶ。その確率密度関数は以下で定義される。
参考文献
- 蓑谷千凰彦、統計分布ハンドブック、朝倉書店 (2003).
- B. S. Everitt(清水良一訳)、統計科学辞典、朝倉書店 (2002).