Wahrscheinlichkeit von Gamma größer als exponentiell

7

Sei und .XGamma(3,3)YExp(1)

Wie berechne ich ?P(X>Y)

Ich glaube, ich schreibe es als , bin mir aber nicht sicher, wie ich für zwei verschiedene Verteilungen berechnen soll ?P(XY>0)XY

Joe Stats
quelle
1
Mögliches Duplikat der Differenz der Gamma-Zufallsvariablen
COOLSerdash
Hier ist ein Artikel, der sich mit Ihrem Problem befasst. Ich glaube, dass es in Ihrem Fall möglich ist, eine Dichte in enger Form für zu erhalten . Beachten Sie, dass eine Standard-Exponentialverteilung eine -Verteilung ist. XYGamma(1,1)
COOLSerdash
2
@COOL Obwohl dieser Ansatz funktionieren wird, scheint es ein zu komplizierter Weg zu sein, eine einzelne Wahrscheinlichkeit zu finden: Wir müssen nicht die gesamte Verteilung der Differenz herausfinden.
whuber
Die entscheidende Annahme der Unabhängigkeit von und fehlt. XY
Hartnäckig

Antworten:

9

Wenn die Dichtefunktion und unabhängig hat hat die Dichtefunktion , dann Xλ(λx)2Γ(3)exp(λx)1{x:x>0}Yexp(y)1{y:x>0}

P{X<Y}=0λ(λx)2Γ(3)exp(λx)xexp(y)dydx=0λ(λx)2Γ(3)exp((λ+1)x)dx=(λλ+1)30(λ+1)((λ+1)x)2Γ(3)exp((λ+1)x)dx=(λλ+1)3.

Betrachten Sie auch einen Poisson-Prozess mit der Ankunftsrate . Wir können diesen Prozess in zwei unabhängige Poisson-Unterprozesse und der Raten bzw. zerlegen, indem wir jede Ankunft als zum Prozess gehörend kennzeichnen (mit der Wahrscheinlichkeit ) oder zum Prozess (mit der Wahrscheinlichkeit ), wobei jedes Label unabhängig von allen anderen Labels ausgewählt wird. Dann kann als die Zeit der dritten Ankunft (nach ) imλ+1XYλ1Xλλ+1Y1λ+1Xt=0XUnterprozess, während die Zeit der ersten Ankunft (nach ) im Unterprozess ist. Bei dieser Interpretation ist nur das Ereignis, dass die ersten drei Ankünfte nach alle als zum Unterprozess gehörend gekennzeichnet wurden, und dieses Ereignis hat die Wahrscheinlichkeit . Schau, Ma! Es wurden keine Integrale berechnet, um zur Antwort zu gelangen!Yt=0YX<Yt=0X(λλ+1)3

Dilip Sarwate
quelle
6

Es gibt eine Beziehung zwischen Gamma- und Beta-Zufallsvariablen, die zu einem allgemeinen Ausdruck für für zwei unabhängige Gamma-Zufallsvariablen führt.P[X>Y]

Wenn und wobei der Formparameter ist, ist der Skalierungsparameter und das meine ist dannXGamma(α1,β1)YGamma(α2,β2),αβαβ,

P[X>Y]=Hα2,α1(β1β1+β2),

Dabei ist die kumulative Verteilungsfunktion einer Beta-Zufallsvariablen. In Ihrem Fall berechne ichHP[X>Y]=0.984375

Wenn Sie eine andere Parametrisierung der Gammaverteilung verwendet haben, muss diese angepasst werden.

Hier ist die Entwicklung. Wir können undBetrachten Sie nun β1YGamma(α2,β1β2)β2XGamma(α1,β1β2).

W=β1Yβ1Y+β2X

Es ist bekannt (siehe https://en.wikipedia.org/wiki/Gamma_distribution , Abschnitt "Verwandte Verteilungen und Eigenschaften"), dass eine Beta-Verteilung mit dem ersten Formparameter und dem zweiten FormparameterWα2α1.

Also dann

P[W=β1Yβ1Y+β2X<β1β1+β2]=Hα2,α1(β1β1+β2),

Dabei ist die kumulative Verteilungsfunktion einer Beta-Zufallsvariablen.H

Nehmen Sie die Wechselwirkungen und vereinfachen Sie

P[W=β1Yβ1Y+β2X<β1β1+β2]=P[β1Y+β2Xβ1Y>β1+β2β1]

=P[1+β2Xβ1Y>1+β2β1]=P[XY>1]=P[X>Y]=Hα2,α1(β1β1+β2)
soakley
quelle
Könnten Sie dieses Ergebnis demonstrieren oder eine zugängliche Referenz zitieren? Es fällt mir schwer zu verstehen, warum es wahr sein sollte. Lassen Sie zum Beispiel und überlegen Sie, was passiert, wenn groß wird. Die rechte Seite nähert sich von unten, während sich die linke Seite nähern sollte . α1=α2=β2=1β1F1,1(1)=0.3918261
whuber
1
Woher bekommen Sie ? Wie bereits erwähnt, ist das cdf einer Beta-Zufallsvariablen. Also istIch sehe jedoch, wie die Notation irreführend sein kann. Ich werde einige Entwicklungen hinzufügen, um das Ergebnis zu zeigen, wenn ich Zeit habe. F1,1(1)=0.391826FF1,1(1)=1.
Soakley
Entschuldigung, ich habe den "Beta" -Teil übersehen und angenommen, dass Sie sich auf die (eng verwandte) F-Verhältnisverteilung beziehen! Danke für die Erklärung.
whuber
@whuber soakley Ich glaube, das geht ungefähr so: wobei und sind Einheit skalierten Versionen von und . Verwenden Sie ( Wikipedia ) und beachten Sie, dass , wir setzen gibt . P[X>Y]=P[Y<β2β1X]XGamma(α1,1)YGamma(α2,1)X.Y.Y.Y.+X.B.etein(α2,α1)P.[Y.Y.+X.<c]]=P.[Y.<c1- -cX.]]c1- -c=β2β1c=β1β1+β2
A. Webb
Ja, ich habe die Entwicklung hinzugefügt und das Beta-PDF so geändert, dass es als wird, um Verwechslungen mit einer Distribution zu vermeiden . H.F.
Soakley
2

Die rote Methode zur Berechnung von ist das DoppelintegralP.[Y.>X.]]

0fX.(x)dxxfY.(y)dy

Wo das innere Integral als Überlebensfunktion von erkannt werden kann , ist ein Exponential mit dem Parameter bei gleich . Dann das verbleibende IntegralY.λ=1xe- -x

0e- -xfX.(x)dx

kann als die Momenterzeugungsfunktion von erkannt werden, die bei bewertet wird . Der MGF von a ist , was für istX.- -1Geinmmein(1- -θt)- -kθ=3,k=3,t=- -1

(1+3)- -3=0,015625

Die Frage war für , also wollen wirP.[X.>Y.]]=1- -P.[Y.>X.]]

1- -(1+3)- -3=1- -0,015625=0,984375

was mit Soakleys Antwort übereinstimmt .

A. Webb
quelle