Deutschland Geologie

Multivariate Gammafunktion

Die Multivariate Gammafunktion ist die Verallgemeinerung der Gammafunktion. Sie findet Anwendung in der Theorie der Zufallsmatrizen und der multivariaten Statistik, da sie unter anderem in der Wishart-Verteilung und der matrixvariaten Beta-Verteilung auftaucht. Sie wird als $\Gamma _{p}$ notiert.^[1]

Definition

Sei ${\mathcal {S}}_{p}$ der Raum der symmetrischen, positiv definiten reellen $p\times p$ -Matrizen. Die multivariate Gammafunktion ist definiert als die Funktion

\Gamma _{p}(a)=\int _{{\mathcal {S}}_{p}}\exp \left(\operatorname {tr} (-A)\right)\det(A)^{a-{\frac {1}{2}}(p+1)}\mathrm {d} A

für $\Re (a)>{\frac {1}{2}}(p-1)$ ; hierin ist bezüglich aller nichtunteren Dreieckseinträge (d. h. oberer Dreieckseinträge samt Hauptdiagonaleinträgen) des Argumentes $A$ zu integrieren, da ${\mathcal {S}}_{p}\cong \mathbb {R} ^{\frac {p(p+1)}{2}}$ .

Eigenschaften

Für Berechnungen eignet sich folgender Satz:

Sei $\Re (a)>{\frac {1}{2}}(p-1)$ , dann gilt

\Gamma _{p}(a)=\pi ^{{\frac {1}{4}}p(p-1)}\prod \limits _{i=1}^{p}\Gamma \left(a-{\frac {1}{2}}(i-1)\right)

Beweis-Idee: Teile $A=TT^{\mathsf {T}}$ , wobei $T$ eine untere Dreiecksmatrix ist. Nutze den Transformationssatz mit der Funktionaldeterminante

J_{A\to T}:(t_{i,j})_{i,j=1}^{p}\mapsto 2^{p}\prod _{i=1}^{p}t_{i,i}^{p+1-i}

.

Rekursion:

{\begin{aligned}\Gamma _{p}(a)&=\pi ^{{\tfrac {1}{2}}(p-1)}\Gamma (a)\Gamma _{p-1}(a-{\tfrac {1}{2}})\\&=\pi ^{{\tfrac {1}{2}}(p-1)}\Gamma _{p-1}(a)\Gamma (a+{\tfrac {1}{2}}(p-1))\end{aligned}}

Somit:

\Gamma _{1}(a)=\Gamma (a)

\Gamma _{2}(a)=\pi ^{\tfrac {1}{2}}\Gamma (a)\Gamma (a-{\tfrac {1}{2}})

\Gamma _{3}(a)=\pi ^{\tfrac {3}{2}}\Gamma (a)\Gamma (a-{\tfrac {1}{2}})\Gamma (a-1)

Verallgemeinerungen

Die verallgemeinerte multivariate Gammafunktion ist definiert als

\Gamma _{p}(a_{1},\dots ,a_{p})=\int _{{\mathcal {S}}_{p}}{\frac {\exp \left(\operatorname {tr} (-A)\right)\det(A)^{a_{p}-{\frac {1}{2}}(p+1)}}{\prod \limits _{\alpha =1}^{p-1}\det(A^{[\alpha ]})^{m_{\alpha +1}}}}\mathrm {d} A

mit $a_{j}=m_{1}+\cdots +m_{j}$ und $\Re (a_{j})>{\frac {1}{2}}(j-1),\ j=1,\dots ,p$ .

Ableitungen

Die multivariate Digamma-Funktion:

\psi _{p}(a)={\frac {\partial \log \Gamma _{p}(a)}{\partial a}}=\sum _{i=1}^{p}\psi (a+{\tfrac {1}{2}}(1-i))

und die Verallgemeinerung als multivariate Polygammafunktion:

\psi _{p}^{(n)}(a)={\frac {\partial ^{n}\log \Gamma _{p}(a)}{\partial a^{n}}}=\sum _{i=1}^{p}\psi ^{(n)}(a+{\tfrac {1}{2}}(1-i))

Quellen

↑ A. K. Gupta, D. K. Nagar: Matrix variate distributions. Chapman & Hall /CRC, ISBN 1-58488-046-5, S. 18.

Quelle: https://de.wikipedia.org/wiki/Multivariate_Gammafunktion

What are your Feelings

Updated on 5. Dezember 2021

© 2022 Created with Royal Elementor Addons