Distribucions de Mittag-Leffler

Infotaula distribució de probabilitatDistribucions de Mittag-Leffler
Tipusdistribució univariant Modifica el valor a Wikidata
EpònimGösta Mittag-Leffler Modifica el valor a Wikidata

Les distribucions de Mittag-Leffler són dues famílies de distribucions de probabilitat a la mitja línia [ 0 , ) {\displaystyle [0,\infty )} . Estan parametritzats per un real α ( 0 , 1 ] {\displaystyle \alpha \in (0,1]} o α [ 0 , 1 ] {\displaystyle \alpha \in [0,1]} . Tots dos es defineixen amb la funció Mittag-Leffler, que porta el nom de Gösta Mittag-Leffler.[1]

La funció Mittag-Leffler

Per a qualsevol complex α {\displaystyle \alpha } la part real del qual és positiva, la sèrie[2]

E α ( z ) := n = 0 z n Γ ( 1 + α n ) {\displaystyle E_{\alpha }(z):=\sum _{n=0}^{\infty }{\frac {z^{n}}{\Gamma (1+\alpha n)}}}

defineix una funció sencera. Per α = 0 {\displaystyle \alpha =0} , la sèrie convergeix només en un disc de radi 1, però analíticament es pot estendre a C { 1 } {\displaystyle \mathbb {C} \setminus \{1\}} .

Primera família de distribucions Mittag-Leffler

La primera família de distribucions de Mittag-Leffler es defineix per una relació entre la funció de Mittag-Leffler i les seves funcions de distribució acumulada.

Per a tot α ( 0 , 1 ] {\displaystyle \alpha \in (0,1]} , la funció E α {\displaystyle E_{\alpha }} està augmentant en la línia real, convergeix a 0 {\displaystyle 0} en {\displaystyle -\infty } , i E α ( 0 ) = 1 {\displaystyle E_{\alpha }(0)=1} . Per tant, la funció x 1 E α ( x α ) {\displaystyle x\mapsto 1-E_{\alpha }(-x^{\alpha })} és la funció de distribució acumulada d'una mesura de probabilitat sobre els nombres reals no negatius. La distribució així definida, i qualsevol dels seus múltiples, s'anomena distribució d'ordre de Mittag-Leffler α {\displaystyle \alpha } .

Totes aquestes distribucions de probabilitat són absolutament contínues. Des que E 1 {\displaystyle E_{1}} és la funció exponencial, la distribució de l'ordre de Mittag-Leffler 1 {\displaystyle 1} és una distribució exponencial. Tanmateix, per α ( 0 , 1 ) {\displaystyle \alpha \in (0,1)} , les distribucions de Mittag-Leffler són de cua pesada. La seva transformada de Laplace ve donada per:

E ( e λ X α ) = 1 1 + λ α , {\displaystyle \mathbb {E} (e^{-\lambda X_{\alpha }})={\frac {1}{1+\lambda ^{\alpha }}},}

que implica que, per α ( 0 , 1 ) {\displaystyle \alpha \in (0,1)} , l'expectativa és infinita. A més, aquestes distribucions són distribucions geomètriques estables. Els procediments d'estimació de paràmetres es poden trobar aquí.[3][4]

Segona família de distribucions de Mittag-Leffler

La segona família de distribucions de Mittag-Leffler es defineix per una relació entre la funció de Mittag-Leffler i les seves funcions generadores de moments.

Per a tot α [ 0 , 1 ] {\displaystyle \alpha \in [0,1]} , una variable aleatòria X α {\displaystyle X_{\alpha }} es diu que segueix una distribució d'ordre de Mittag-Leffler α {\displaystyle \alpha } si, per alguna constant C > 0 {\displaystyle C>0} ,

E ( e z X α ) = E α ( C z ) , {\displaystyle \mathbb {E} (e^{zX_{\alpha }})=E_{\alpha }(Cz),}

on la convergència és per a tots z {\displaystyle z} en el pla complex si α ( 0 , 1 ] {\displaystyle \alpha \in (0,1]} , i tot z {\displaystyle z} en un disc de radi 1 / C {\displaystyle 1/C} si α = 0 {\displaystyle \alpha =0} .

Referències

  1. H. J. Haubold A. M. Mathai. Proceedings of the Third UN/ESA/NASA Workshop on the International Heliophysical Year 2007 and Basic Space Science: National Astronomical Observatory of Japan (en anglès). Springer, 2009, p. 79 (Astrophysics and Space Science Proceedings). ISBN 978-3-642-03325-4. 
  2. Lin, Gwo Dong «On the Mittag–Leffler distributions» (en anglès). Journal of Statistical Planning and Inference, 74, 1, 01-10-1998, pàg. 1–9. DOI: 10.1016/S0378-3758(98)00096-2. ISSN: 0378-3758.
  3. D.O. Cahoy V.V. Uhaikin W.A. Woyczyński Journal of Statistical Planning and Inference, 140, 11, 2010, pàg. 3106–3120. arXiv: 1806.02774. DOI: 10.1016/j.jspi.2010.04.016.
  4. D.O. Cahoy Communications in Statistics - Simulation and Computation, 42, 2, 2013, pàg. 303–315. arXiv: 1806.02792. DOI: 10.1080/03610918.2011.640094.