Какова ожидаемая величина логарифма гамма-распределения?

14

Если ожидаемое значение равно , каково ожидаемое значение ? Можно ли рассчитать аналитически?Gamma(α,β)αβlog(Gamma(α,β))

Параметризация, которую я использую, является скоростью формы.

Стефано Веспуччи
источник
4
Если , то в соответствии с mathStatica / Mathematica, + PolyGamma [a], где PolyGamma обозначает функцию дигаммыE [ log ( X ) ] = log ( b )XGamma(a,b)E[log(X)]=log(b)
волки
1
Я должен добавить, что вы не предоставляете pdf-форму вашей гамма-переменной, и поскольку вы сообщаете, что среднее значение равно (тогда как для меня это будет , похоже, вы используете нотацию, отличную от меня, где вашиa b β = 1 / bα/βabβ=1/b
волки
Правда извините Параметризация, которую я использую, является скоростью формы. Я постараюсь найти его для этой параметризации , Не могли бы вы предложить запрос для Mathematica / WolframAlpha? βαΓ(α)xα1eβx
Стефано Веспуччи
1
См. Также Джонсон, Лотц и Балакришна (1994) непрерывные одномерные распределения Том 1 2-е изд. С. 337-349.
Бьёрн

Ответы:

16

Это (может быть удивительно) может быть сделано с простыми элементарными операциями (используя любимую уловку Ричарда Фейнмана дифференцирования под знаком интеграла относительно параметра).


Мы предполагаем, что имеет распределение и мы хотим найти ожидание Во-первых, поскольку является параметром масштаба, его эффект будет заключаться в смещении логарифма на (Если вы используете в качестве параметра скорости , как в вопросе, он сместит логарифм на ) Это позволяет нам работать со случаемXΓ(α,β)Y=log(X).βlog β . β - log β . β = 1.logβ.βlogβ.β=1.

После этого упрощения, вероятность элемент являетсяX

fX(x)=1Γ(α)xαexdxx

где - нормализующая константаΓ(α)

Γ(α)=0xαexdxx.

Подстановка которая влечет за собой дает элемент вероятности ,x=ey,dx/x=dy,Y

fY(y)=1Γ(α)eαyeydy.

Возможные значения теперь охватывают все действительные числаYR.

Поскольку должен интегрироваться в единицу, мы получаем (тривиально)fY

(1)Γ(α)=Reαyeydy.

Обратите внимание, что является дифференцируемой функциейПростой расчет даетfY(y)α.

ddαeαyeydy=yeαyeydy=Γ(α)yfY(y).

На следующем шаге используется отношение, полученное путем деления обеих сторон этой идентичности на тем самым обнажая сам объект, который нам нужно интегрировать, чтобы найти ожидание; а именно,Γ(α),yfY(y):

E(Y)=RyfY(y)=1Γ(α)Rddαeαyeydy=1Γ(α)ddαReαyeydy=1Γ(α)ddαΓ(α)=ddαlogΓ(α)=ψ(α),

логарифмическая производная гамма-функции (также известная как « полигамма »). Интеграл был вычислен с использованием тождества(1).

Повторное введение фактора показывает общий результатβ

E(log(X))=logβ+ψ(α)

для параметризации шкалы (где функция плотности зависит от ) илиx/β

E(log(X))=logβ+ψ(α)

для параметризации скорости (где функция плотности зависит от ).xβ

Whuber
источник
С функцией полигаммы вы имеете в виду, какой порядок (например, 0,1) является дигаммой (как указал @wolfies), тригаммой?
Стефано Веспуччи
1
@ Stefano Я имею в виду логарифмическую производную гаммы, как указано. Это означает, чтоψ(z)=Γ(z)/Γ(z).
whuber
14

Ответ @whuber довольно хорош; По сути, я перефразирую его ответ в более общей форме, которая лучше связывает (на мой взгляд) со статистической теорией и проясняет всю мощь общей методики.

Рассмотрим семейство распределений которые составляют экспоненциальное семейство , то есть они допускают плотность относительно некоторой общей доминирующей меры (обычно, меры Лебега или счетной меры). Различая обе части по мы приходим к уравнению оценки где - функция оценки{Fθ:θΘ}

fθ(x)=exp{s(x)θA(θ)+h(x)}

fθ(x) dx=1
θ
()fθ(x)=fθ(x)fθ(x)fθ(x)=uθ(x)fθ(x) dx=0
uθ(x)=ddθlogfθ(x)и мы определили . В случае экспоненциального семейства имеем где ; иногда ее называют функцией кумулянта , поскольку она, очевидно, очень тесно связана с функцией, производящей кумулянт. Из теперь следует, что .fθ(x)=ddθfθ(x)
uθ(x)=s(x)A(θ)
A(θ)=ddθA(θ)()Eθ[s(X)]=A(θ)

Теперь мы покажем, что это помогает нам вычислить ожидаемое ожидание. Мы можем записать гамма-плотность с фиксированной как семейство экспонент Это экспоненциальное семейство в только с и . Из вычисления немедленно следует, что β

fθ(x)=βαΓ(α)xα1eβx=exp{log(x)α+αlogβlogΓ(α)βx}.
αs(x)=logxA(α)=logΓ(α)αlogβddαA(α)
E[logX]=ψ(α)logβ.

парень
источник
2
+1 Спасибо за указание на это хорошее обобщение.
whuber