假设有
k
个分布,它们的pdf分别为
注意
f(x)
是非负的且在
(−∞,∞)
上积分为1;因此
f(x)
是某连续型随机变量
X
的pdf,
即
μ1,μ2,…,μk
的加权平均,方差等于
交叉相的积分为零。即
注意方差不单单是 k 个方差的加权平均,还包括一个正值,涉及到均值的加权方差。
接下来介绍一些分布。首先是参数
α>0,β>0
的对数伽玛pdf,形式为
用 logΓ(α,β) 表示该分布。
例1:
精算师发现对数伽玛与伽玛分布很适合为索赔分布建模。假设
X1
满足
logΓ(α1,β1)
,
X2
满足
Γ(α2,β2)
,混合概率为
p,(1−p)
,那么混合分布的pdf为
假设
β1<2−1
,该混合分布的均值与方差为
混合分布有时候也成为复合。进一步我们没必要限制在有限多个分布。如下面的例子所示,连续的加权函数可以替换 p1,p2,…,pk ;即积分替换求和符号。
例2:
令
Xθ
是参数为
θ
的泊松随机变量,对每个不同的
θ
值,我们想得到无限多个混合的泊松分布,我们取加权函数为
θ
的pdf,即参数为
α,β
的伽玛函数,对
x=0,1,2,…
,复合分布的pmf为
其中第三行使用了变换替换 t=θ(1+β)/β 。
当
α=r,β=(1−p)/p
其中
0<p<1,r
为正整数时,pmf变成
这个复合分布就是成功概率为
p
的独立重复试验成功次数超过
在复合分布中,我们也可以将
X
的原分布看成给定
当
θ
是离散分布时积分符号改成求和符号。假设正态分布的均值为0方差为
σ2=1/θ>0
,其中
θ
来自某个随机模型。方便起见,我们说后者为参数
α,β
的伽玛分布,那么给定
θ,X
是条件
N(0,1/θ)
分布,使得
X,θ
的联合分布为
其中
−∞<x<∞,0<θ<∞
,因此
(h(x))
的边缘pdf通过积分
θ
即可求出;即
通过比较参数
α+12,[(1/β)+(x2/2)]−1
的伽玛pdf,我们可以得到
有趣的是如果
α=r/2,β=2/r
,其中
r
为正整数,那么
其中
x=0,1,…,n,0<p<1
。那么
X
的无条件pdf为
现在假设
α,β
是正整数;因为
Γ(k)=(k−1)!
,这个无条件pdf可以写成
因为条件均值 E(X|p)=np ,无条件均值为 nα/(α+β) ,这是因为贝塔分布的均值等于 α/(α+β) 。
例4:
假设
X
满足参数为
比较参数为
α+k,β/(1+βx)
的伽玛pdf,从而得到
这是广义的
Pareto
分布(广义
F
分布),当然当
这是 Pareto pdf。这两个复合pdf都比开始的伽玛分布有严重的厚尾。
广义
Pareto
分布无法用简单的闭形式表达,但是
Pareto
分布可以
从中我们通过
X=Yτ
可以得到另一种有用的长尾分布,其中
0<τ
,所以
Y
的cdf为
因此,这个概率等于
对应的pdf为
我们称这个分布为变换 Pareto 分布或者 Burr 分布,它给出了建模厚尾分布的分布。