WikiDer > Экспоненциально-логарифмическое распределение

Экспоненциально-логарифмическое распределение (EL)

Функция плотности вероятности
Параметры	${ Displaystyle р в (0,1)}$ ${ displaystyle beta> 0}$
Поддерживать	${ Displaystyle х в [0, infty)}$
PDF	${ displaystyle { frac {1} {- ln p}} times { frac { beta (1-p) e ^ {- beta x}} {1- (1-p) e ^ {- beta x}}}}$
CDF	${ displaystyle 1 - { frac { ln (1- (1-p) e ^ {- beta x})} { ln p}}}$
Иметь в виду	${ displaystyle - { frac {{ text {polylog}} (2,1-p)} { beta ln p}}}$
Медиана	${ displaystyle { frac { ln (1 + { sqrt {p}})} { beta}}}$
Режим	0
Дисперсия	${ displaystyle - { frac {2 { text {polylog}} (3,1-p)} { beta ^ {2} ln p}}}$ ${ displaystyle - { frac {{ text {polylog}} ^ {2} (2,1-p)} { beta ^ {2} ln ^ {2} p}}}$
MGF	${ displaystyle - { frac { beta (1-p)} { ln p ( beta -t)}} { text {hypergeom}} _ {2,1}}$ ${ displaystyle ([1, { frac { beta -t} { beta}}], [{ frac {2 beta -t} { beta}}], 1-p)}$

В теория вероятности и статистика, то Экспоненциально-логарифмический (EL) распределение - это семья всей жизни распределения с уменьшением интенсивность отказов, определенный на отрезке [0, ∞). Это распределение параметризованный по двум параметрам ${ Displaystyle р в (0,1)}$ и ${ displaystyle beta> 0}$.

Вступление

Изучение продолжительности жизни организмов, устройств, материалов и т. Д. Имеет большое значение в биологический и инженерное дело науки. В общем, ожидается, что срок службы устройства будет демонстрировать снижение интенсивности отказов (DFR), когда его поведение с течением времени характеризуется «наклепом» (с инженерной точки зрения) или «невосприимчивостью» (с биологической точки зрения).

Экспоненциально-логарифмическая модель вместе с ее различными свойствами изучается Тахмасби и Резаи (2008).^[1]Эта модель получена в рамках концепции неоднородности населения (через процесс компаундирования).

Свойства распределения

Распределение

В функция плотности вероятности (pdf) распределения EL даны Tahmasbi и Rezaei (2008)^[1]

${ Displaystyle е (х; п, бета): = влево ({ гидроразрыва {1} {- ln p}} справа) { гидроразрыва { бета (1-р) е ^ {- бета x}} {1- (1-p) e ^ {- beta x}}}}$

куда ${ Displaystyle р в (0,1)}$ и ${ displaystyle beta> 0}$. Эта функция строго убывает в ${ displaystyle x}$ и стремится к нулю при ${ Displaystyle х rightarrow infty}$. В дистрибутиве EL есть модальное значение плотности при x = 0, задаваемой формулой

${ displaystyle { frac { beta (1-p)} {- p ln p}}}$

EL сводится к экспоненциальное распределение с параметром скорости ${ displaystyle beta}$, так как ${ displaystyle p rightarrow 1}$.

В кумулятивная функция распределения дан кем-то

${ Displaystyle F (x; p, beta) = 1 - { frac { ln (1- (1-p) e ^ {- beta x})} { ln p}},}$

и, следовательно, медиана дан кем-то

${ displaystyle x _ { text {median}} = { frac { ln (1 + { sqrt {p}})} { beta}}}$.

Моменты

В функция, производящая момент из ${ displaystyle X}$ может быть определен из PDF прямым интегрированием и дается как

${ Displaystyle M_ {X} (t) = E (e ^ {tX}) = - { frac { beta (1-p)} { ln p ( beta -t)}} F_ {2,1 } left ( left [1, { frac { beta -t} { beta}} right], left [{ frac {2 beta -t} { beta}} right], 1 -p right),}$

куда ${ displaystyle F_ {2,1}}$ это гипергеометрическая функция. Эта функция также известна как Расширенная гипергеометрическая функция Барнса. Определение ${ displaystyle F_ {N, D} ({n, d}, z)}$ является

${ Displaystyle F_ {N, D} (n, d, z): = sum _ {k = 0} ^ { infty} { frac {z ^ {k} prod _ {i = 1} ^ { p} Gamma (n_ {i} + k) Gamma ^ {- 1} (n_ {i})} { Gamma (k + 1) prod _ {i = 1} ^ {q} Gamma (d_ {i} + k) Gamma ^ {- 1} (d_ {i})}}}$

куда ${ Displaystyle п = [п_ {1}, п_ {2}, точки, п_ {N}]}$ и ${ displaystyle {d} = [d_ {1}, d_ {2}, dots, d_ {D}]}$.

Моменты ${ displaystyle X}$ может быть получено из ${ Displaystyle M_ {X} (т)}$. За${ Displaystyle г в mathbb {N}}$, необработанные моменты даются

${ displaystyle E (X ^ {r}; p, beta) = - r! { frac { operatorname {Li} _ {r + 1} (1-p)} { beta ^ {r} ln п}},}$

куда ${ displaystyle operatorname {Li} _ {a} (z)}$ это полилогарифм функция, которая определяется следующим образом:^[2]

${ displaystyle operatorname {Li} _ {a} (z) = sum _ {k = 1} ^ { infty} { frac {z ^ {k}} {k ^ {a}}}.}$

Следовательно иметь в виду и отклонение распределения EL даются соответственно

${ displaystyle E (X) = - { frac { operatorname {Li} _ {2} (1-p)} { beta ln p}},}$

${ displaystyle operatorname {Var} (X) = - { frac {2 operatorname {Li} _ {3} (1-p)} { beta ^ {2} ln p}} - left ({ frac { operatorname {Li} _ {2} (1-p)} { beta ln p}} right) ^ {2}.}$

Функции выживания, опасности и средней остаточной продолжительности жизни

Функция опасности

В функция выживания (также известная как функция надежности) и функция опасности (также известная как функция интенсивности отказов) распределения EL, соответственно

${ Displaystyle s (х) = { гидроразрыва { ln (1- (1-p) e ^ {- beta x})} { ln p}},}$

${ displaystyle h (x) = { frac {- beta (1-p) e ^ {- beta x}} {(1- (1-p) e ^ {- beta x}) ln ( 1- (1-p) e ^ {- beta x})}}.}$

Среднее остаточное время жизни распределения EL определяется выражением

${ displaystyle m (x_ {0}; p, beta) = E (X-x_ {0} | X geq x_ {0}; beta, p) = - { frac { operatorname {Li} _ {2} (1- (1-p) e ^ {- beta x_ {0}})} { beta ln (1- (1-p) e ^ {- beta x_ {0}})} }}$

куда ${ displaystyle operatorname {Li} _ {2}}$ это дилогарифм функция

Генерация случайных чисел

Позволять U быть случайное изменение из стандарта равномерное распределение.Тогда следующее преобразование U имеет EL-распределение с параметрами п иβ:

${ displaystyle X = { frac {1} { beta}} ln left ({ frac {1-p} {1-p ^ {U}}} right).}$

Оценка параметров

Для оценки параметров EM алгоритм используется. Этот метод обсуждается Тахмасби и Резаи (2008).^[1] Итерация EM определяется как

${ displaystyle beta ^ {(h + 1)} = n left ( sum _ {i = 1} ^ {n} { frac {x_ {i}} {1- (1-p ^ {(h )}) e ^ {- beta ^ {(h)} x_ {i}}}} right) ^ {- 1},}$

${ displaystyle p ^ {(h + 1)} = { frac {-n (1-p ^ {(h + 1)})} { ln (p ^ {(h + 1)}) sum _ {i = 1} ^ {n} {1- (1-p ^ {(h)}) e ^ {- beta ^ {(h)} x_ {i}} } ^ {- 1}}} .}$

Связанные дистрибутивы

Распределение EL было обобщено, чтобы сформировать логарифмическое распределение Вейбулла.^[3]

Если Икс определяется как случайная переменная что является минимумом N независимые реализации от экспоненциальное распределение с параметром скорости β, и если N это реализация из логарифмическое распределение (где параметр п в обычной параметризации заменяется на (1 − п)), тогда Икс имеет экспоненциально-логарифмическое распределение в параметризации, использованной выше.

Рекомендации