Fisher dağıtımı için Fourier dönüşümünü tersine çevirmek


23

Fisher dağılımının karakteristik işlevi şudur: C ( t ) = Γ ( α + 1)F(1,α) buradaU,birleşik hipergeometrik fonksiyondur. Ben Fourier ters dönüşüm çözmeye çalışıyorumF-1t,xven-convolutiondeğişken yoğunluğunu kurtarmak içinx: olduğu F-1t,x(C(t)n) alma amacı ilenFisher dağıtılmış rasgele değişkenlerintoplamınındağılımı. Birisinin çözmesi çok zor gibi göründüğü bir fikri var mı merak ediyorum. Αdeğerlerini denedim

C(t)=Γ(α+12)U(12,1-α2,-bentα)Γ(α2)
UFt,x-1nx
Ft,x-1(C(t)n)
n ve n = 2 boşuna. Not: n = 2 içinevrişim ile ortalamanın pdf'sini aldım (toplamı değil):α=3n=2n=2

3(12(x2+3)(5x2-3)x2+9(20x4+27x2+9)günlük(4x23+1)+23(x2+15)(4x2+3)x3taba rengi-1(2x3))π2x3(x2+3)3(4x2+3)

x


Bu soru canlı mı?
Brethlosze

1
Evet, hala açık.
Nero

1
Sanırım bazı sembolik paketlerin altındasın değil mi?
Brethlosze

Yanıtlar:


5

F-istatistiklerinin katılımı için kapalı form yoğunluğu yoktur, bu nedenle karakteristik fonksiyonu analitik olarak tersine çevirmeye çalışmak yararlı bir şeye yol açmaz.

Matematiksel istatistiklerde, eğik Edgeworth genişlemesi (ayrıca saddlepoint yaklaşımı olarak da bilinir), karakteristik fonksiyonu verilen bir yoğunluk fonksiyonuna yaklaşmak için ünlü ve sıklıkla kullanılan bir tekniktir. Saddlepoint yaklaşımı, eğer çoğu zaman dikkate değer ölçüde doğruysa. Ole Barndorff-Nielsen ve David Cox, bu matematik tekniğini açıklayan bir ders kitabı yazdı.

birF(n,k)nbirk

αnbir=nk=α

Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.