การแปลงฟูริเยร์เพื่อแปลงเป็นฟิชเชอร์


23

ฟังก์ชั่นคุณสมบัติของการกระจายฟิชเชอร์ คือ: C ( t ) = Γ ( α + 1F(1,α) ที่Uเป็นฟังก์ชั่นไหลมารวมกัน hypergeometric ฉันพยายามที่จะแก้ปัญหาที่ผกผันฟูเรียร์F-1ที,xของn-convolutionการกู้คืนความหนาแน่นของตัวแปรxที่: F-1ที,x(C(T)n) โดยมีวัตถุประสงค์ของการได้รับ การกระจายตัวของผลรวมของnฟิชเชอร์กระจายตัวแปรสุ่ม ฉันสงสัยว่าใครบางคนมีความคิดใด ๆ ตามที่ดูเหมือนจะแก้ยากมาก ฉันลองค่าของα

C(เสื้อ)=Γ(α+12)ยู(12,1-α2,-ผมเสื้อα)Γ(α2)
UFt,x1nx
Fเสื้อ,x-1(C(เสื้อ)n)
nและ n = 2ไม่มีประโยชน์ หมายเหตุ: สำหรับ n = 2โดย convolution ฉันได้รับ pdf ของค่าเฉลี่ย (ไม่รวม):α=3n=2n=2

3(12(x2+3)(5x23)x2+9(20x4+27x2+9)log(4x23+1)+23(x2+15)(4x2+3)x3tan1(2x3))π2x3(x2+3)3(4x2+3)
,

x


คำถามนี้ยังมีชีวิตอยู่หรือไม่?
Brethlosze

1
ใช่มันยังคงเปิดอยู่
Nero

1
ฉันคิดว่าคุณอยู่ภายใต้แพคเกจสัญลักษณ์บางใช่มั้ย
Brethlosze

คำตอบ:


5

ไม่มีความหนาแน่นแบบปิดสำหรับการโน้มน้าวใจของสถิติ F ดังนั้นการพยายามกลับฟังก์ชั่นลักษณะการวิเคราะห์ไม่น่าจะนำไปสู่สิ่งที่มีประโยชน์

ในสถิติทางคณิตศาสตร์การขยาย Edgeworth แบบเอียง (ยังเป็นที่รู้จักกันในนามการประมาณแบบอานม้า) เป็นเทคนิคที่มีชื่อเสียงและมักใช้เพื่อประมาณความหนาแน่นของฟังก์ชันที่ให้ลักษณะฟังก์ชัน ประมาณ saddlepoint หากมักจะถูกต้องแม่นยำอย่างน่าทึ่ง Ole Barndorff-Nielsen และ David Cox เขียนตำราอธิบายเทคนิคทางคณิตศาสตร์นี้

aF(n,k)nakที่จะทำให้ทั้งสองช่วงเวลาแรกของการจัดจำหน่ายที่ถูกต้อง นี่เป็นเรื่องง่ายเนื่องจากทราบค่าเฉลี่ยและความแปรปรวนของการแจกแจงแบบ F

αna=nk=α

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.