Un article de Wikipédia, l'encyclopédie libre.
Si ce bandeau n'est plus pertinent, retirez-le. Cliquez ici pour en savoir plus.
Inverse-gamma
Densité de probabilité
Fonction de répartition
Paramètres
α
>
0
{\displaystyle \alpha >0}
paramètre de forme (réel )
β
>
0
{\displaystyle \beta >0}
paramètre d'échelle (réel)
Support
x
∈
]
0
;
∞
[
{\displaystyle x\in ]0;\infty [\!}
Densité de probabilité
β
α
Γ
(
α
)
x
−
α
−
1
exp
(
−
β
x
)
{\displaystyle {\frac {\beta ^{\alpha }}{\Gamma (\alpha )}}x^{-\alpha -1}\exp \left({\frac {-\beta }{x}}\right)}
Fonction de répartition
Γ
(
α
,
β
/
x
)
Γ
(
α
)
{\displaystyle {\frac {\Gamma (\alpha ,\beta /x)}{\Gamma (\alpha )}}\!}
Espérance
β
α
−
1
{\displaystyle {\frac {\beta }{\alpha -1}}\!}
pour
α
>
1
{\displaystyle \alpha >1}
Mode
β
α
+
1
{\displaystyle {\frac {\beta }{\alpha +1}}\!}
Variance
β
2
(
α
−
1
)
2
(
α
−
2
)
{\displaystyle {\frac {\beta ^{2}}{(\alpha -1)^{2}(\alpha -2)}}\!}
pour
α
>
2
{\displaystyle \alpha >2}
Asymétrie
4
α
−
2
α
−
3
{\displaystyle {\frac {4{\sqrt {\alpha -2}}}{\alpha -3}}\!}
pour
α
>
3
{\displaystyle \alpha >3}
Kurtosis normalisé
6
5
α
−
11
(
α
−
3
)
(
α
−
4
)
{\displaystyle 6{\frac {5\,\alpha -11}{(\alpha -3)(\alpha -4)}}\!}
pour
α
>
4
{\displaystyle \alpha >4}
Entropie
α
+
ln
(
β
Γ
(
α
)
)
−
(
1
+
α
)
ψ
(
α
)
{\displaystyle \alpha \!+\!\ln(\beta \Gamma (\alpha ))\!-\!(1\!+\!\alpha )\psi (\alpha )}
Fonction génératrice des moments
2
(
−
β
t
)
α
2
Γ
(
α
)
K
α
(
−
4
β
t
)
{\displaystyle {\frac {2\left(-\beta t\right)^{\!\!{\frac {\alpha }{2}}}}{\Gamma (\alpha )}}K_{\alpha }\left({\sqrt {-4\beta t}}\right)}
Fonction caractéristique
2
(
−
i
β
t
)
α
2
Γ
(
α
)
K
α
(
−
4
i
β
t
)
{\displaystyle {\frac {2\left(-i\beta t\right)^{\!\!{\frac {\alpha }{2}}}}{\Gamma (\alpha )}}K_{\alpha }\left({\sqrt {-4i\beta t}}\right)}
modifier
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
{\displaystyle x>0}
par:
f
(
x
;
α
,
β
)
=
β
α
Γ
(
α
)
(
1
/
x
)
α
+
1
exp
(
−
β
/
x
)
{\displaystyle f(x;\alpha ,\beta )={\frac {\beta ^{\alpha }}{\Gamma (\alpha )}}(1/x)^{\alpha +1}\exp \left(-\beta /x\right)}
où
α
{\displaystyle \alpha }
est un paramètre de forme et
β
{\displaystyle \beta }
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
;
α
,
β
)
=
Γ
(
α
,
β
/
x
)
Γ
(
α
)
{\displaystyle 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 .
Distributions associées
Si
X
∼
Inv-Gamma
(
α
,
β
)
{\displaystyle X\sim {\mbox{Inv-Gamma}}(\alpha ,\beta )}
et
α
=
ν
2
,
β
=
1
2
{\displaystyle \alpha ={\frac {\nu }{2}},\beta ={\frac {1}{2}}}
alors
X
∼
Inv-chi-square
(
ν
)
{\displaystyle X\sim {\mbox{Inv-chi-square}}(\nu )\,}
est une loi inverse-χ² ;
Si
X
∼
Inv-Gamma
(
k
,
θ
)
{\displaystyle X\sim {\mbox{Inv-Gamma}}(k,\theta )\,}
, alors
1
/
X
∼
Gamma
(
k
,
1
/
θ
)
{\displaystyle 1/X\sim {\mbox{Gamma}}(k,1/\theta )\,}
la loi Gamma de paramètre de forme
k
{\displaystyle k}
et de paramètre d'échelle
1
/
θ
{\displaystyle 1/\theta }
(ou de manière équivalente, d'intensité
θ
{\displaystyle \theta }
);
Une généralisation multivariée de la loi inverse-gamma est la distribution Wishart inverse;
Obtention à partir de la loi Gamma
La densité de la loi Gamma est
f
(
x
)
=
x
k
−
1
e
−
x
/
θ
θ
k
Γ
(
k
)
{\displaystyle f(x)=x^{k-1}{\frac {e^{-x/\theta }}{\theta ^{k}\,\Gamma (k)}}}
et définissons la transformation
Y
=
g
(
X
)
=
1
X
{\displaystyle Y=g(X)={\frac {1}{X}}}
. La densité de la transformée est alors
f
Y
(
y
)
=
f
X
(
g
−
1
(
y
)
)
|
d
d
y
g
−
1
(
y
)
|
{\displaystyle f_{Y}(y)=f_{X}\left(g^{-1}(y)\right)\left|{\frac {d}{dy}}g^{-1}(y)\right|}
=
1
θ
k
Γ
(
k
)
(
1
y
)
k
−
1
exp
(
−
1
θ
y
)
1
y
2
{\displaystyle ={\frac {1}{\theta ^{k}\Gamma (k)}}\left({\frac {1}{y}}\right)^{k-1}\exp \left({\frac {-1}{\theta y}}\right){\frac {1}{y^{2}}}}
=
1
θ
k
Γ
(
k
)
(
1
y
)
k
+
1
exp
(
−
1
θ
y
)
{\displaystyle ={\frac {1}{\theta ^{k}\Gamma (k)}}\left({\frac {1}{y}}\right)^{k+1}\exp \left({\frac {-1}{\theta y}}\right)}
=
1
θ
k
Γ
(
k
)
y
−
k
−
1
exp
(
−
1
θ
y
)
{\displaystyle ={\frac {1}{\theta ^{k}\Gamma (k)}}y^{-k-1}\exp \left({\frac {-1}{\theta y}}\right)}
Remplaçant
k
{\displaystyle k}
par
α
{\displaystyle \alpha }
,
θ
−
1
{\displaystyle \theta ^{-1}}
par
β
{\displaystyle \beta }
et enfin
y
{\displaystyle y}
par
x
{\displaystyle x}
donne la densité donnée plus haut :
f
(
x
)
=
β
α
Γ
(
α
)
x
−
α
−
1
exp
(
−
β
x
)
{\displaystyle f(x)={\frac {\beta ^{\alpha }}{\Gamma (\alpha )}}x^{-\alpha -1}\exp \left({\frac {-\beta }{x}}\right)}