Гипоэкспоненциальное распределение
Параметры | цены ( реальные ) | ||
---|---|---|---|
Поддерживать | |||
Выражается как распределение фазового типа Не имеет другой простой формы; подробности смотрите в статье | |||
CDF | Выражается как распределение фазового типа | ||
Иметь в виду | |||
медиана | Общей закрытой формы не существует. [1] | ||
Режим | если , для всех k | ||
Дисперсия | |||
асимметрия | |||
Избыточный эксцесс | нет простой закрытой формы | ||
МГФ | |||
CF |
В теории вероятностей гипоэкспоненциальное распределение или обобщенное распределение Эрланга представляет собой непрерывное распределение , которое нашло применение в тех же областях, что и распределение Эрланга, таких как теория массового обслуживания , инженерия телетрафика и, в более общем плане, в случайных процессах . Его называют гипоэкспоненциальным распределением, поскольку оно имеет коэффициент вариации меньше единицы по сравнению с гиперэкспоненциальным распределением , коэффициент вариации которого больше единицы, и экспоненциальным распределением , коэффициент вариации которого равен единице.
Обзор
[ редактировать ]Распределение Эрланга представляет собой серию k экспоненциальных распределений со скоростью . Гипоэкспонента — это серия k экспоненциальных распределений, каждое из которых имеет свою скорость. , скорость экспоненциальное распределение. Если у нас есть k независимо распределенных экспоненциальных случайных величин , то случайная величина,
распределено гипоэкспоненциально. Гипоэкспонента имеет минимальный коэффициент вариации .
Связь с распределением фазового типа
[ редактировать ]В результате определения легче рассматривать это распределение как частный случай распределения фазового типа . [2] Распределение фазового типа — это время поглощения марковского процесса с конечным состоянием . Если у нас есть процесс с состоянием k+1 , где первые состояния k являются переходными, а состояние k+1 является поглощающим состоянием, то распределение времени от начала процесса до достижения поглощающего состояния является распределенным по фазовому типу. . Это становится гипоэкспонентой, если мы начнем с первой единицы и без пропусков перейдем из состояния i в i+1 со скоростью до тех пор, пока состояние k не перейдет со скоростью в поглощающее состояние k+1 . Это можно записать в виде матрицы подгенератора:
Для простоты обозначим приведенную выше матрицу . Если вероятность запуска в каждом из k состояний равна
затем
Случай с двумя параметрами
[ редактировать ]Если распределение имеет два параметра ( ) явные формы функций вероятности и связанной с ними статистики: [3]
ВПР:
PDF:
Иметь в виду:
Разница:
Коэффициент вариации:
Коэффициент вариации всегда меньше 1.
Учитывая выборочное среднее ( ) и выборочный коэффициент вариации ( ), параметры и можно оценить следующим образом:
Эти оценки можно получить с помощью методов моментов, полагая и .
Результирующие параметры и являются действительными ценностями, если .
Характеристика
[ редактировать ]Случайная величина имеет кумулятивную функцию распределения, определяемую формулой:
где представляет собой вектор-столбец из единиц размера k и является экспонентой A . матричной Когда для всех , функцию плотности можно записать как
где – базисные полиномы Лагранжа, связанные с точками .
Распределение имеет Лапласа преобразование
С помощью которого можно найти моменты,
Общий случай
[ редактировать ]В общем случаегде есть различные суммы экспоненциальных распределенийсо ставками и количество терминов в каждомсумма равна соответственно. кумулятивныйфункция распределения для дается
с
с дополнительным соглашением . [4]
Использование
[ редактировать ]Это распределение использовалось в популяционной генетике. [5] клеточная биология, [6] [7] и теория массового обслуживания. [8] [9]
См. также
[ редактировать ]Ссылки
[ редактировать ]- ^ «Гипоэкспоненциальное распределение» . Центр документации по языкам и системам Wolfram . Вольфрам. 2012 . Проверено 27 февраля 2024 г.
- ^ Легрос, Бенджамин; Жуини, Уалид (2015). «Линейный алгебраический подход для вычисления сумм случайных величин Эрланга» . Прикладное математическое моделирование . 39 (16): 4971–4977. дои : 10.1016/j.apm.2015.04.013 .
- ^ Болх, Гюнтер; Грейнер, Стефан; де Меер, Герман; Триведи, Кишор С. (2006). Сети массового обслуживания и цепи Маркова: моделирование и оценка производительности с помощью компьютерных приложений (2-е изд.). Уайли. стр. 24–25. дои : 10.1002/0471791571 . ISBN 978-0-471-79157-7 .
- ^ Амари, Супрасад В.; Мисра, Равиндра Б. (1997). «Выражения в замкнутой форме для распределения суммы экспоненциальных случайных величин». Транзакции IEEE о надежности . 46 (4): 519–522. дои : 10.1109/24.693785 .
- ^ Стриммер, Корбиниан; Пайбус, Оливер Г. (2001). «Изучение демографической истории последовательностей ДНК с использованием обобщенного графика горизонта» . Молекулярная биология и эволюция . 18 (12): 2298–2305. doi : 10.1093/oxfordjournals.molbev.a003776 . ПМИД 11719579 .
- ^ Йейтс, Кристиан А.; Форд, Мэтью Дж.; Морт, Ричард Л. (2017). «Многоэтапное представление пролиферации клеток как марковского процесса» . Бюллетень математической биологии . 79 (12): 2905–2928. arXiv : 1705.09718 . дои : 10.1007/s11538-017-0356-4 . ПМК 5709504 . ПМИД 29030804 .
- ^ Гаванин, Энрико; Форд, Мэтью Дж.; Морт, Ричард Л.; Роджерс, Тим; Йейтс, Кристиан А. (2019). «Скорость вторжения в модели клеточной миграции с реалистичным распределением времени клеточного цикла». Журнал теоретической биологии . 481 : 91–99. arXiv : 1806.03140 . дои : 10.1016/j.jtbi.2018.09.010 . ПМИД 30219568 .
- ^ Кэлинеску, Маления (август 2009 г.). «Прогнозирование и планирование мощности службы скорой помощи» (PDF) . Факультет наук . Свободный университет Амстердама . Архивировано из оригинала (PDF) 15 февраля 2010 года.
- ^ Беккер, Рене; Кулеман, Полиен М. (2011). «Планирование госпитализации и снижение изменчивости спроса на койки» . Наука управления здравоохранением . 14 (3): 237–249. дои : 10.1007/s10729-011-9163-x . ПМЦ 3158339 . ПМИД 21667090 .
Дальнейшее чтение
[ редактировать ]- МФ Нейтс . (1981) Матрично-геометрические решения в стохастических моделях: алгоритмический подход, Глава 2: Распределения вероятностей фазового типа; Dover Publications Inc.
- Ж. Латуш, В. Рамасвами. (1999) Введение в методы матричного анализа в стохастическом моделировании, 1-е издание. Глава 2: Распределение PH; АСА СИАМ,
- Колм А. О'Синнеид (1999). Распределение фазового типа: открытые проблемы и некоторые свойства , Коммуникация в статистических и стохастических моделях, 15 (4), 731–757.
- Л. Лимис и Дж. МакКестон (2008). Одномерные отношения распределения , Американский статистик, 62 (1), 45–53.
- С. Росс. (2007) Введение в вероятностные модели, 9-е издание, Нью-Йорк: Academic Press.