Loi inverse-gamma - Définition

Source: Wikipédia sous licence CC-BY-SA 3.0.
La liste des auteurs de cet article est disponible ici.

Introduction

Inverse-gamma

Inverse gamma pdf.png

Inverse gamma cdf.png

Paramètres α > 0 paramètre de forme (réel)
β > 0 paramètre d'échelle (réel)
Support x\in(0;\infty)\!
Densité de probabilité (fonction de masse) \frac{\beta^\alpha}{\Gamma(\alpha)} x^{-\alpha - 1} \exp \left(\frac{-\beta}{x}\right)
Fonction de répartition \frac{\Gamma(\alpha,\beta/x)}{\Gamma(\alpha)} \!
Espérance \frac{\beta}{\alpha-1}\! pour α > 1
Mode \frac{\beta}{\alpha+1}\!
Variance \frac{\beta^2}{(\alpha-1)^2(\alpha-2)}\! pour α > 2
Asymétrie (statistique) \frac{4\sqrt{\alpha-2}}{\alpha-3}\! pour α > 3
Kurtosis
(non-normalisé)
\frac{30\,\alpha-66}{(\alpha-3)(\alpha-4)}\! pour α > 4
Entropie \alpha\!+\!\ln(\beta\Gamma(\alpha))\!-\!(1\!+\!\alpha)\psi(\alpha)
Fonction génératrice des moments \frac{2\left(-\beta t\right)^{\!\!\frac{\alpha}{2}}}{\Gamma(\alpha)}K_{\alpha}\left(\sqrt{-4\beta t}\right)
Fonction caractéristique \frac{2\left(-i\beta t\right)^{\!\!\frac{\alpha}{2}}}{\Gamma(\alpha)}K_{\alpha}\left(\sqrt{-4i\beta t}\right)

Dans la Théorie des probabilités et en Statistiques, la distribution inverse-gamma est une famille de lois de probabilité continues à deux paramètres sur la demi-droite des réels positifs. Il s'agit de l'inverse d'une variable aléatoire distribuée selon une Distribution Gamma.

Caractérisation

Densité de probabilité

La Densité de probabilité de la loi inverse-gamma est définie sur le support x > 0 par:

 f(x; \alpha, \beta) = \frac{\beta^\alpha}{\Gamma(\alpha)} (1/x)^{\alpha + 1}\exp\left(-\beta/x\right)

α est un Paramètre de forme et β un paramètre d'intensité, c'est-à-dire l'inverse d'un Paramètre d'échelle.

Fonction de répartition

La Fonction de répartition est la Fonction gamma régularisée:

F(x; \alpha, \beta) = \frac{\Gamma(\alpha,\beta/x)}{\Gamma(\alpha)} \!

où le numérateur est la fonction gamma incomplète et le dénominateur est la Fonction gamma.

Obtention à partir de la loi Gamma

La densité de la loi gamma est

 f(x) = x^{k-1} \frac{e^{-x/\theta}}{\theta^k \, \Gamma(k)}

et définissons la transformation Y = g(X) = \frac{1}{X} . La densité de la transformée est alors

 f_Y(y) = f_X \left( g^{-1}(y) \right) \left| \frac{d}{dy} g^{-1}(y) \right|
 = \frac{1}{\theta^k \Gamma(k)} \left(  \frac{1}{y} \right)^{k-1} \exp  \left(   \frac{-1}{\theta y}  \right) \frac{1}{y^2}
 = \frac{1}{\theta^k \Gamma(k)} \left(  \frac{1}{y} \right)^{k+1} \exp  \left(   \frac{-1}{\theta y}  \right)
 = \frac{1}{\theta^k \Gamma(k)} y^{-k-1} \exp  \left(   \frac{-1}{\theta y}  \right)

Remplaçant k par α, θ − 1 par β et enfin y par x donne la densité donnée plus haut:

 f(x) = \frac{\beta^\alpha}{\Gamma(\alpha)} x^{-\alpha-1} \exp  \left(   \frac{-\beta}{x}  \right)

Distributions associées

  • Si X˜Inv-Gamma(α,β) et \alpha = \frac{\nu}{2}, \beta = \frac{1}{2} alors X \sim \mbox{Inv-chi-square}(\nu)\, est une loi du chi-deux (χ²) inverse;
  • Si X \sim \mbox{Inv-Gamma}(k, \theta)\, , alors 1/X \sim \mbox{Gamma}(k, 1/\theta)\, ;
  • Une généralisation multivariée de la loi inverse-gamma est la distribution Wishart inverse;
Page générée en 0.243 seconde(s) - site hébergé chez Contabo
Ce site fait l'objet d'une déclaration à la CNIL sous le numéro de dossier 1037632
A propos - Informations légales | Partenaire: HD-Numérique
Version anglaise | Version allemande | Version espagnole | Version portugaise