技术标签： 概率论
Q1: Assume that X 1 ∼ G a m m a ( α 1 , λ ) X_1\sim Gamma(\alpha_1,\lambda) X1∼Gamma(α1,λ), X 2 ∼ G a m m a ( α 2 , λ ) X_2\sim Gamma(\alpha_2,\lambda) X2∼Gamma(α2,λ), and they are independent. Prove that:
Y 1 = X 1 + X 2 ∼ G a m m a ( α 1 + α 2 , λ ) Y_1=X_1+X_2\sim Gamma(\alpha_1+\alpha_2,\lambda) Y1=X1+X2∼Gamma(α1+α2,λ),
Y 2 = X 1 / ( X 1 + X 2 ) ∼ B e t a ( α 1 , α 2 ) Y_2=X_1/(X_1+X_2)\sim Beta(\alpha_1,\alpha_2) Y2=X1/(X1+X2)∼Beta(α1,α2),
Y 1 Y_1 Y1 and Y 2 Y_2 Y2 are independent.
Solution: 已知 X 1 X_1 X1 与 X 2 X_2 X2独立，故可得联合密度函数：
f ( x 1 , x 2 ) = f X 1 ( x 1 ) f X 2 ( x 2 ) = λ α 1 Γ ( α 1 ) x 1 α 1 − 1 e − λ x 1 λ α 2 Γ ( α 2 ) x 2 α 2 − 1 e − λ x 2 f(x_1,x_2)=f_{X_1}(x_1)f_{X_2}(x_2)=\frac{\lambda^{\alpha_1}}{\Gamma(\alpha_1)}x_1^{\alpha_1-1}e^{-\lambda x_1} \frac{\lambda^{\alpha_2}}{\Gamma(\alpha_2)}x_2^{\alpha_2-1}e^{-\lambda x_2} f(x1,x2)=fX1(x1)fX2(x2)=Γ(α1)λα1x1α1−1e−λx1Γ(α2)λα2x2α2−1e−λx2
令 Y 1 = X 1 + X 2 , Y 2 = X 1 X 1 + X 2 Y_1=X_1+X_2,Y_2=\frac{X_1}{X_1+X_2} Y1=X1+X2,Y2=X1+X2X1,则可推得 X 1 = Y 1 Y 2 , X 2 = Y 1 ( 1 − Y 2 ) X_1=Y_1Y_2,X_2=Y_1(1-Y_2) X1=Y1Y2,X2=Y1(1−Y2),由此得
J = ∂ ( X 1 , X 2 ) ∂ ( Y 1 , Y 2 ) = ∣ Y 2 Y 1 1 − Y 2 − Y 1 ∣ = − Y 1 , ∣ J ∣ = Y 1 J=\frac{\partial(X_1,X_2)}{\partial(Y_1,Y_2)}= \left| \begin{matrix} Y_2 & Y_1 \\ 1-Y_2 & -Y_1 \end{matrix} \right| =-Y_1,|J|=Y_1 J=∂(Y1,Y2)∂(X1,X2)=∣∣∣∣Y21−Y2Y1−Y1∣∣∣∣=−Y1,∣J∣=Y1
于是得联合密度函数
q ( y 1 , y 2 ) = f ( x 1 , x 2 ) ∣ J ∣ = λ α 1 + α 2 Γ ( α 1 ) Γ ( α 2 ) y 1 α 1 − 1 y 2 α 1 − 1 y 1 α 2 − 1 ( 1 − y 2 ) α 1 − 1 e − λ y 1 y 1 = λ α 1 + α 2 Γ ( α 1 + α 2 ) y 1 α 1 + α 2 − 1 e − λ y 1 ⋅ Γ ( α 1 + α 2 ) Γ ( α 1 ) Γ ( α 2 ) y 2 α 1 − 1 ( 1 − y 2 ) α 2 − 1 = p Y 1 ( y 1 ) p Y 2 ( y 2 ) \begin{aligned} q(y_1,y_2)&=f(x_1,x_2)|J|\\ &=\frac{\lambda^{\alpha_1+\alpha_2}}{\Gamma(\alpha_1)\Gamma(\alpha_2)}y_1^{\alpha_1-1}y_2^{\alpha_1-1} y_1^{\alpha_2-1}(1-y_2)^{\alpha_1-1}e^{-\lambda y_1}y_1\\ &=\frac{\lambda^{\alpha_1+\alpha_2}}{\Gamma(\alpha_1+\alpha_2)}y_1^{\alpha_1+\alpha_2-1}e^{-\lambda y_1}\cdot\frac{\Gamma(\alpha_1+\alpha_2)}{\Gamma(\alpha_1)\Gamma(\alpha_2)}y_2^{\alpha_1-1}(1-y_2)^{\alpha_2-1}\\ &=p_{Y_1}(y_1)p_{Y_2}(y_2) \end{aligned} q(y1,y2)=f(x1,x2)∣J∣=Γ(α1)Γ(α2)λα1+α2y1α1−1y2α1−1y1α2−1(1−y2)α1−1e−λy1y1=Γ(α1+α2)λα1+α2y1α
文章浏览阅读2.1k次，点赞2次，收藏12次。.csv文件是以逗号分割的值文件。excel支持csv文件，方便修改。.csv是纯文本，可以使用记事本打开看到内容一、创建Excel数据，二、将文件另存为.csv格式的文本命名为Map，也可以使用记事本打开.csv文件查看内容。三、重点：在UE4中创建结构体命名为MapData，与Map文件中表头一致（否则数据导入后没有对应的结构体与之对应会出现错误）注意：1.用e..._ue4 读取配置文件蓝图
文章浏览阅读3.6k次。链接到本文:多年来一直希望能启动笔记本. 尽管对笔记本的需求实际上并不大，但家庭和工作单位中都装有计算机，因此无需外出工作. 我去京东住了一段时间，我得到了一个华硕X450JB，一个标准的I5CPU，一个双显卡，而且价格也不贵. 这也是一个长期的愿望. 对于习惯在家中使用固态硬盘台式机的我来说，这台机器的运行速度显然是无法接受的. 我回头发现原来的机器配备了1400硬盘，速度为5400 rpm. ..._x450j怎么拆lcd
文章浏览阅读1k次。一、接口接口的理解 Java接口是一系列方法的声明，是一些方法特征的集合，一个接口只有方法的特征没有方法的实现； 也就是说，接口自身自提供方法的基本声明，而一、接口接口的理解Java接口是一系列方法的声明，是一些方法特征的集合，一个接口只有方法的特征没有方法的实现；也就是说，接口自身自提供方法的基本声明，而不提供方法体；接口中声明的方法只能被实现该接口的子类所具体实现。接口是Java中另一种非常重..._java内部类usb接口
文章浏览阅读2k次。20220328磁盘扩容ASP.NET项目创建_vs2022 asp.net core mvc
文章浏览阅读79次。TouchAction1.源码可以在这个路径找到：Lib\site-packages\appium\webdriver\common\touch_action.pyclass TouchAction(object): def __init__(self, driver=None): self._driver = driver self._actions ..._tkinter九宫格解锁
文章浏览阅读7.1k次。/Users/pro/anaconda/lib/python2.7/site-packages/matplotlib/font_manager.py:273: UserWarning: Matplotlib is building the font cache using fc-list. This may take a moment. warnings.warn('Matplotlib is_matplotlib is building the font cache; this may take a moment.
文章浏览阅读1.5k次。属性Q3DBars属性说明graph3D->activeTheme()->setGridEnabled(checked);设置网格graph3D->setReflection(checked);设置反射graph3D->valueAxis()->setTitleVisible(checked);设置轴标题graph3D->rowAxis()->setTitleVisible(checked);设置轴标题gr_qt 数据可视化
文章浏览阅读1.7k次，点赞2次，收藏13次。2020国赛题-Web安全加固(Web) _限制目录执行权限,对目录设置权限为无
文章浏览阅读375次。@echo offclscolor 0AEcho ************注意****************Echo 此批处理修改的计算机须符合一下要去：Echo 1.计算机名称是k62Echo 2.用户名称是k62，用户全名是k62.即，此ghost镜像安装的系统set ip=set /p ip=请_高新考试 批处理
文章浏览阅读2.1k次。强烈推荐iOS开发取色器小编今天特别向大家介绍一款开发时一款利器，在开发时候我们常常根据设计师提取某些元素的颜色，这就是Sip取色器，选择后，可以直接通过粘贴生成oc的代码。_oc 相机取色
文章浏览阅读3.9k次，点赞3次，收藏8次。五、价值特性openGauss相比其它开源数据库主要有复合应用场景、高性能和高可用等产品特点。（一）高性能1. CBO优化器openGauss优化器是典型的基于代价的优化（Cost-Based Optimization，简称CBO）。在这种优化器模型下，数据库根据表的元组数、字段宽度、NULL记录比率、唯一值（Distinct Value）、最常见值（Most Common Value, 简称MCV）等表的特征值以及一定的代价计算模型，计算出每一个执行步骤的不同执行方式的输出元组数和执行代价（cos_高斯数据库指定分区查询
文章浏览阅读2.7w次，点赞5次，收藏20次。Error:Flash Download failed - Could not load file ****.axf_error: flash download failed - could not load file