Inverse Normalverteilung

Die inverse Normalverteilung (auch inverse Gauß-Verteilung oder Wald-Verteilung genannt) ist eine kontinuierliche Wahrscheinlichkeitsverteilung. Sie wird in verallgemeinerten linearen Modellen verwendet. Bei der Untersuchung der Brownschen Molekularbewegung mit Drift v>0 und Streuungskoeffizient \lambda>0 ist die zufällige Zeit des ersten Erreichens des Niveaus a>0 invers normalverteilt mit den Parametern \left({\frac  {a}{v}},{\frac  {a^{{2}}}{\lambda ^{{2}}}}\right). Die inverse Normalverteilung gehört zur Exponentialfamilie.

Definition

Dichtefunktionen verschiedener inverser Gaußverteilungen

Eine stetige Zufallsvariable X genügt der inversen Normalverteilung mit den Parametern \lambda >0 (Ereignisrate) und \mu >0 (Erwartungswert), wenn sie die Wahrscheinlichkeitsdichte f(x)={\begin{cases}\left({\frac  {\lambda }{2\pi x^{3}}}\right)^{{{\frac  {1}{2}}}}e^{{-{\frac  {\lambda (x-\mu )^{2}}{2\mu ^{2}x}}}}&x>0\\0&x\leq 0\end{cases}} besitzt.

Eigenschaften

Erwartungswert

Die inverse Normalverteilung besitzt den Erwartungswert

\operatorname {E}(X)=\mu .

Varianz

Die Varianz ergibt sich analog zu

\operatorname {Var}(X)={\frac  {\mu ^{3}}{\lambda }}.

Standardabweichung

Daraus erhält man für die Standardabweichung

\sigma ={\sqrt  {{\frac  {\mu ^{3}}{\lambda }}}}

Variationskoeffizient

Aus Erwartungswert und Varianz erhält man unmittelbar den Variationskoeffizienten

\operatorname {VarK}(X)={\sqrt  {{\frac  {\mu }{\lambda }}}}.

Schiefe

Die Schiefe ergibt sich zu

\operatorname {v}(X)=3{\sqrt  {{\frac  {\mu }{\lambda }}}}.

Wölbung (Kurtosis)

Die Wölbung ergibt sich zu

\beta _{2}={\frac  {15\mu }{\lambda }}+3.

Die Exzess-Kurtosis ist

\gamma _{2}=\beta _{2}-3={\frac  {15\mu }{\lambda }}.

Charakteristische Funktion

Die charakteristische Funktion hat die Form

\phi _{{X}}(s)=e^{{{\frac  {\lambda }{\mu }}\left(1-{\sqrt  {1-{\frac  {2\mu ^{2}is}{\lambda }}}}\right)}}.

Momenterzeugende Funktion

Die momenterzeugende Funktion der inversen Normalverteilung ist

m_{{X}}(s)=e^{{{\frac  {\lambda }{\mu }}\left(1-{\sqrt  {1-{\frac  {2\mu ^{2}s}{\lambda }}}}\right)}}.

Reproduzierbarkeit

Sind X_1, \dots, X_n Zufallsvariable mit inverser Normalverteilung mit den Parametern \lambda und \mu , dann ist die Größe {\frac  {1}{n}}\sum \limits _{{i=1}}^{{n}}X_{{i}} wieder eine Zufallsvariable mit einer inversen Normalverteilung, aber mit den Parametern n\lambda und \mu .

Trenner
Basierend auf einem Artikel in: Wikipedia.de
Seitenende
Seite zurück
© biancahoegel.de
Datum der letzten Änderung: Jena, den: 08.02. 2021