Tömegfüggvény
Kumulatív eloszlásfüggvény
A logaritmikus eloszlás egy diszkrét valószínűség eloszlás, mely a MacLaurin-sor kiterjesztéséből vezethető le (a MacLaurin-sor a Taylor-sor egy speciális esete):
−
ln
(
1
−
p
)
=
p
+
p
2
2
+
p
3
3
+
⋯
.
{\displaystyle -\ln(1-p)=p+{\frac {p^{2}}{2}}+{\frac {p^{3}}{3}}+\cdots .}
Ebből kapjuk:
∑
k
=
1
∞
−
1
ln
(
1
−
p
)
p
k
k
=
1.
{\displaystyle \sum _{k=1}^{\infty }{\frac {-1}{\ln(1-p)}}\;{\frac {p^{k}}{k}}=1.}
A Log(p )-eloszlású valószínűségi változó tömegfüggvénye:
f
(
k
)
=
−
1
ln
(
1
−
p
)
p
k
k
{\displaystyle f(k)={\frac {-1}{\ln(1-p)}}\;{\frac {p^{k}}{k}}}
k ≥1 értékekre, és ahol 0<p <1. A fentiek miatt az eloszlás normalizált.
A kumulatív eloszlásfüggvény:
F
(
k
)
=
1
+
B
(
p
;
k
+
1
,
0
)
ln
(
1
−
p
)
{\displaystyle F(k)=1+{\frac {\mathrm {B} (p;k+1,0)}{\ln(1-p)}}}
ahol B az inkomplett bétafüggvény .
Poissonnal kevert Log(p )-eloszlású változónak negatív binomiális eloszlása van. Más szavakkal, ha N egy Poisson-eloszlású valószínűségi változó, és X i , i = 1, 2, 3, ...egy végtelen sora az egymástól független, azonos valószínűségi változóknak, melyeknek Log(p )-eloszlása van, akkor
∑
i
=
1
N
X
i
{\displaystyle \sum _{i=1}^{N}X_{i}}
- negatív binomiális eloszlású .
Ily módon a negatív binomiális eloszlás , egy összetett Poisson-eloszlás .
Ronald Aylmer Fisher egy publikációjában a negatív binomiális eloszlást a fajok relatív bőségének a modelljeként írja le.[ 1]
Tartomány=
k
∈
{
1
,
2
,
3
,
…
}
{\displaystyle k\in \{1,2,3,\dots \}\!}
|
Sűrűségfüggvény=
−
1
ln
(
1
−
p
)
p
k
k
{\displaystyle {\frac {-1}{\ln(1-p)}}\;{\frac {\;p^{k}}{k}}\!}
|
Kumulatív eloszlásfüggvény=
1
+
B
(
p
;
k
+
1
,
0
)
ln
(
1
−
p
)
{\displaystyle 1+{\frac {\mathrm {B} (p;k+1,0)}{\ln(1-p)}}\!}
|
Középérték=
−
1
ln
(
1
−
p
)
p
1
−
p
{\displaystyle {\frac {-1}{\ln(1-p)}}\;{\frac {p}{1-p}}\!}
|
Módusz=
1
{\displaystyle 1}
Szórásnégyzet=
−
p
p
+
ln
(
1
−
p
)
(
1
−
p
)
2
ln
2
(
1
−
p
)
{\displaystyle -p\;{\frac {p+\ln(1-p)}{(1-p)^{2}\,\ln ^{2}(1-p)}}\!}
|
Momentum generáló függvény=
ln
(
1
−
p
exp
(
t
)
)
ln
(
1
−
p
)
for
t
<
−
ln
p
{\displaystyle {\frac {\ln(1-p\,\exp(t))}{\ln(1-p)}}{\text{ for }}t<-\ln p\,}
|
Karakterisztikus függvény=
ln
(
1
−
p
exp
(
i
t
)
)
ln
(
1
−
p
)
for
t
∈
R
{\displaystyle {\frac {\ln(1-p\,\exp(i\,t))}{\ln(1-p)}}{\text{ for }}t\in \mathbb {R} \!}
|
Generátorfüggvény=
ln
(
1
−
p
z
)
ln
(
1
−
p
)
for
|
z
|
<
1
p
{\displaystyle {\frac {\ln(1-pz)}{\ln(1-p)}}{\text{ for }}|z|<{\frac {1}{p}}}
|
Johnson, Norman Lloyd; Kemp, Adrienne W; Kotz, Samuel: Chapter 7: Logarithmic and Lagrangian distributions. (hely nélkül): John Wiley & Sons. 2005. ISBN 978-0-471-27246-5