Câu trả lời ngắn gọn là của bạn vẫn ổn, nhưng của bạn sai. Để có được phân phối ổn định dương được cung cấp bởi công thức của bạn trong R, bạn cần đặt
δγ
γ=|1−itan(πα/2)|−1/α.
Ví dụ sớm nhất tôi có thể tìm thấy công thức bạn đưa ra là (Feller, 1971), nhưng tôi chỉ tìm thấy cuốn sách đó ở dạng vật lý. Tuy nhiên (Hougaard, 1986) đưa ra công thức tương tự, cùng với biến đổi Laplace
Từ hướng dẫn sử dụng ( được sử dụng trong ), việc tham số hóa là từ (Samorodnitsky và Taqqu, 1994), một tài nguyên khác mà việc tái tạo trực tuyến đã lảng tránh tôi. Tuy nhiên (Weron, 2001) cung cấp chức năng đặc trưng trong tham số hóa của Samorodnitsky và Taqqu cho là
L(s)=E[exp(−sX)]=exp(−sα).
stabledist
stabledist
fBasics
pm=1
α≠1φ(t)=E[exp(itX)]=exp[iδt−γα|t|α(1−iβsign(t)tanπα2)].
Tôi đã đổi tên một số thông số từ giấy của Weron thành coinside với ký hiệu chúng tôi đang sử dụng. Anh ta sử dụng cho và cho . Trong mọi trường hợp, cắm và , chúng tôi nhận được
μδσγβ=1δ=0φ(t)=exp[−γα|t|α(1−isign(t)tanπα2)].
Lưu ý rằng cho và rằng . Chính thức, , do đó, bằng cách đặt trong chúng tôi nhận được
Một điểm thú vị cần lưu ý là tương ứng với cũng là , vì vậy nếu bạn muốn thử hoặc(1−itan(πα/2))/|1−itan(πα/2)|=exp(−iπα/2)α∈(0,1)iα=exp(iπα/2)L(s)=φ(is)γ=|1−itan(πα/2)|−1/αφ(t)
φ(is)=exp(−sα)=L(s).
γα=1/21/2γ=αγ=1−α, đó thực sự không phải là một xấp xỉ xấu, bạn kết thúc chính xác cho .
α=1/2
Đây là một ví dụ trong R để kiểm tra tính chính xác:
library(stabledist)
# Series representation of the density
PSf <- function(x, alpha, K) {
k <- 1:K
return(
-1 / (pi * x) * sum(
gamma(k * alpha + 1) / factorial(k) *
(-x ^ (-alpha)) ^ k * sin(alpha * k * pi)
)
)
}
# Derived expression for gamma
g <- function(a) {
iu <- complex(real=0, imaginary=1)
return(abs(1 - iu * tan(pi * a / 2)) ^ (-1 / a))
}
x=(1:100)/100
plot(0, xlim=c(0, 1), ylim=c(0, 2), pch='',
xlab='x', ylab='f(x)', main="Density Comparison")
legend('topright', legend=c('Series', 'gamma=g(alpha)'),
lty=c(1, 2), col=c('gray', 'black'),
lwd=c(5, 2))
text(x=c(0.1, 0.25, 0.7), y=c(1.4, 1.1, 0.7),
labels=c(expression(paste(alpha, " = 0.4")),
expression(paste(alpha, " = 0.5")),
expression(paste(alpha, " = 0.6"))))
for(a in seq(0.4, 0.6, by=0.1)) {
y <- vapply(x, PSf, FUN.VALUE=1, alpha=a, K=100)
lines(x, y, col="gray", lwd=5, lty=1)
lines(x, dstable(x, alpha=a, beta=1, gamma=g(a), delta=0, pm=1),
col="black", lwd=2, lty=2)
}
- Feller, W. (1971). Giới thiệu về Lý thuyết xác suất và các ứng dụng của nó , 2 , tái bản lần 2. New York: Wiley.
- Hougaard, P. (1986). Các mô hình sinh tồn cho các quần thể không đồng nhất có nguồn gốc từ các bản phân phối ổn định , Biometrika 73 , 387-394.
- Samorodnitsky, G., Taqqu, MS (1994). Các quy trình ngẫu nhiên phi Gauss ổn định , Chapman & Hall, New York, 1994.
- Ma quỷ, R. (2001). Các bản phân phối ổn định Levy được xem xét lại: chỉ số đuôi> 2 không loại trừ chế độ ổn định Levy , Tạp chí quốc tế về Vật lý hiện đại C, 2001, 12 (2), 209-223.