Distribuição log-gama multivariada generalizada

Na teoria da probabilidade e estatística, a distribuição log-gama multivariada generalizada (G-MVLG)  é uma distribuição multivariada introduzidas pela Demirhan e Hamurkaroglu em 2011. O G-MVLG é uma distribuição flexível. A assimetria e curtose são bem controladas pelos parâmetros da distribuição. Isso permite que uma controle a dispersão da distribuição. Devido a esta propriedade, a distribuição é usada efetivamente como um conjunto prévio de distribuição na análise Bayesiana, especialmente quando a probabilidade não é a localização-escala da família de distribuições, tais como a distribuição normal.

Função de densidade de probabilidade conjunta

Se${\displaystyle }$ função de densidade de probabilidade (pdf) de ${\displaystyle }$é dado como o seguinte:

${\displaystyle }$

onde ${\displaystyle }$para ${\displaystyle }$e ${\displaystyle }$${\displaystyle }$é a correlação entre ${\displaystyle }$e${\displaystyle }$, ${\displaystyle }$e ${\displaystyle }$indicar determinante e o valor absoluto do interior expressão, respectivamente, e ${\displaystyle }$ inclui parâmetros da distribuição.

Propriedades

Função de geração momento conjuntos

A articulação momento em função de geração do G-MVLG de distribuição é a seguinte:

${\displaystyle }$

Momentos marginal central

${\displaystyle }$ marginal momento central de ${\displaystyle }$é como o seguinte:

${\displaystyle }$

Valor esperado e variância marginal

Valor marginal esperado ${\displaystyle }$é como o seguinte:

${\displaystyle }$

${\displaystyle }$

onde ${\displaystyle }$e ${\displaystyle }$são valores de digamma e trigamma funções em${\displaystyle }$, respectivamente.

Distribuições relacionadas

Demirhan e Hamurkaroglu estabelecer uma relação entre o G-MVLG de distribuição e a distribuição de Gumbel (tipo I valor extremo de distribuição) e dá um multivariada forma da distribuição de Gumbel, a saber, a generalizada multivariada Gumbel (G-MVGB) de distribuição. A função de densidade de probabilidade conjunta de ${\displaystyle }$é o seguinte:

${\displaystyle }$

A distribuição de Gumbel tem uma ampla gama de aplicações no campo de análise de risco. Portanto, o G-MVGB de distribuição deve ser benéfico quando é aplicada a esses tipos de problemas..