역행렬 감마 분포

역행렬 감마
표기법
매개변수	형상 모수 ; 척도 모수; 척도(양극-확정 실제 p 행렬)
지원	양-확정 p p p 행렬
PDF	는 다변량 감마함수다.;

통계에서 역행렬 감마 분포는 역행렬 감마 분포의 양-확정 행렬을 일반화한 것이다.^[1]역위 위시아트 분포의 보다 일반적인 버전이며, 예를 들어 다변량 정규 분포 또는 행렬 정규 분포의 공분산 행렬 이전의 결합으로 유사하게 사용된다.공분산 행렬에 앞서 역행렬 감마선으로 정규 행렬을 혼합하여 발생하는 복합 분포는 일반화 행렬 t-분포다.^{[citation needed]}null

이것은 $\beta =2,\alpha ={\frac {\nu }{2}}$ = $\beta =2,\alpha ={\frac {\nu }{2}}$ , $\beta =2,\alpha ={\frac {\nu }{2}}$ = $\beta =2,\alpha ={\frac {\nu }{2}}$ 2 {\ $displaystyle \nu }$ 자유도를 $\nu$ 갖는 역 위시아트 분포로 감소한다. $\beta =2,\alpha ={\frac {\nu }{2}}$ β = 2 , α = ν $\beta =2,\alpha ={\frac {\nu }{2}}$ ${\$ = $2,\alpha ={\frac {\nu }{2}}.$

참고 항목

참조

^ Iranmanesha, Anis; Arashib, M.; Tabatabaeya, S. M. M. (2010). "On Conditional Applications of Matrix Variate Normal Distribution". Iranian Journal of Mathematical Sciences and Informatics. 5 (2): 33–43.

[iranmanesha-1] Iranmanesha, Anis; Arashib, M.; Tabatabaeya, S. M. M. (2010). "On Conditional Applications of Matrix Variate Normal Distribution". Iranian Journal of Mathematical Sciences and Informatics. 5 (2): 33–43.

[1]

Search

역행렬 감마 분포

네임스페이스

더

참고 항목

참조

표기법	${\rm {IMG}_{p}(\alpha ,\beta ,{\boldsymbol {\psi })$
매개변수	$[\displaystyle \property >(p-1)/2}$ 형상 모수 $\cHB >0$ 척도 모수 ${\boldsymbol {\Psi }}$ ${\$ 척도 ${\boldsymbol {\Psi }}$ (양극-확정 실제 $p\times p$ $p\times p$ p $p\time p$ 행렬 $p\times p$ )
지원	$\mathbf {X}$ ${\$ 양-확정 $\mathbf {X}$ $p\times p$ p $p\times p$ $p\times p$ ${\displaystyle$ p $\times$ p $}$ 행렬 $p\times p$
PDF	${\frac { {\boldsymbol {\Psi }} ^{\alpha }}{\beta ^{p\alpha }\Gamma _{p}(\alpha )}} \mathbf {X} ^{-\alpha -(p+1)/2}\exp \left(-{\frac {1}{\beta }}{\rm {tr}}\left({\boldsymbol {\Psi }}\mathbf {X} ^{-1}\right)\right)$ $\Gamma _{p}$ $\Gamma _{p}$ ${\$ 는 $\Gamma_p$ 다변량 감마함수다.