Loi inverse-gamma

Cet article ne cite pas suffisamment ses sources (janvier 2015).

Si vous disposez d'ouvrages ou d'articles de référence ou si vous connaissez des sites web de qualité traitant du thème abordé ici, merci de compléter l'article en donnant les références utiles à sa vérifiabilité et en les liant à la section « Notes et références ».

En pratique : Quelles sources sont attendues ? Comment ajouter mes sources ?

Inverse-gamma
Densité de probabilité
Fonction de répartition
Paramètres	${\displaystyle \alpha >0}$ paramètre de forme (réel) ${\displaystyle \beta >0}$ paramètre d'échelle (réel)
Support	${\displaystyle x\in \left]0;\infty \right[}$
Densité de probabilité	${\displaystyle {\frac {\beta ^{\alpha }}{\Gamma (\alpha )}}x^{-\alpha -1}\exp \left({\frac {-\beta }{x}}\right)}$
Fonction de répartition	${\displaystyle {\frac {\Gamma (\alpha ,\beta /x)}{\Gamma (\alpha )}}\!}$
Espérance	${\displaystyle {\frac {\beta }{\alpha -1}}\!}$ pour ${\displaystyle \alpha >1}$
Mode	${\displaystyle {\frac {\beta }{\alpha +1}}\!}$
Variance	${\displaystyle {\frac {\beta ^{2}}{(\alpha -1)^{2}(\alpha -2)}}\!}$ pour ${\displaystyle \alpha >2}$
Asymétrie	${\displaystyle {\frac {4{\sqrt {\alpha -2}}}{\alpha -3}}\!}$ pour ${\displaystyle \alpha >3}$
Kurtosis normalisé	${\displaystyle 6{\frac {5\,\alpha -11}{(\alpha -3)(\alpha -4)}}\!}$ pour ${\displaystyle \alpha >4}$
Entropie	${\displaystyle \alpha \!+\!\ln(\beta \Gamma (\alpha ))\!-\!(1\!+\!\alpha )\psi (\alpha )}$
Fonction génératrice des moments	${\displaystyle {\frac {2\left(-\beta t\right)^{\!\!{\frac {\alpha }{2}}}}{\Gamma (\alpha )}}K_{\alpha }\left({\sqrt {-4\beta t}}\right)}$
Fonction caractéristique	${\displaystyle {\frac {2\left(-\mathrm {i} \beta t\right)^{\!\!{\frac {\alpha }{2}}}}{\Gamma (\alpha )}}K_{\alpha }\left({\sqrt {-4\mathrm {i} \beta t}}\right)}$
modifier

Dans la théorie des probabilités et en statistiques, la distribution inverse-gamma est une famille de lois de probabilité continues à deux paramètres sur la demi-droite des réels positifs. Il s'agit de l'inverse d'une variable aléatoire distribuée selon une distribution Gamma.

Caractérisation[modifier | modifier le code]

Densité de probabilité[modifier | modifier le code]

La densité de probabilité de la loi inverse-gamma est définie sur le support ${\displaystyle x>0}$ par:

${\displaystyle f(x;\alpha ,\beta )={\frac {\beta ^{\alpha }}{\Gamma (\alpha )}}(1/x)^{\alpha +1}\exp \left(-\beta /x\right)}$

où ${\displaystyle \alpha }$ est un paramètre de forme et ${\displaystyle \beta }$ un paramètre d'intensité, c'est-à-dire l'inverse d'un paramètre d'échelle.

Fonction de répartition[modifier | modifier le code]

La fonction de répartition est la fonction gamma régularisée :

${\displaystyle F(x;\alpha ,\beta )={\frac {\Gamma (\alpha ,\beta /x)}{\Gamma (\alpha )}}\!}$

où le numérateur est la fonction gamma incomplète et le dénominateur est la fonction gamma.

Distributions associées[modifier | modifier le code]

• Si ${\displaystyle X\sim {\mbox{Inv-Gamma}}(\alpha ,\beta )}$ et ${\displaystyle \alpha ={\frac {\nu }{2}},\beta ={\frac {1}{2}}}$ alors ${\displaystyle X\sim {\mbox{Inv-chi-square}}(\nu )\,}$ est une loi inverse-χ²;
• Si ${\displaystyle X\sim {\mbox{Inv-Gamma}}(k,\theta )\,}$, alors ${\displaystyle 1/X\sim {\mbox{Gamma}}(k,1/\theta )\,}$ la loi Gamma de paramètre de forme ${\displaystyle k}$ et de paramètre d'échelle ${\displaystyle 1/\theta }$ (ou de manière équivalente, d'intensité ${\displaystyle \theta }$);
• Une généralisation multivariée de la loi inverse-gamma est la loi de Wishart inverse.

Obtention à partir de la loi Gamma[modifier | modifier le code]

La densité de la loi Gamma est

${\displaystyle f(x)=x^{k-1}{\frac {\mathrm {e} ^{-x/\theta }}{\theta ^{k}\,\Gamma (k)}}}$

et définissons la transformation ${\displaystyle Y=g(X)={\frac {1}{X}}}$. La densité de la transformée est alors

${\displaystyle f_{Y}(y)=f_{X}\left(g^{-1}(y)\right)\left|{\frac {\mathrm {d} }{\mathrm {d} y}}g^{-1}(y)\right|}$

${\displaystyle ={\frac {1}{\theta ^{k}\Gamma (k)}}\left({\frac {1}{y}}\right)^{k-1}\exp \left({\frac {-1}{\theta y}}\right){\frac {1}{y^{2}}}}$

${\displaystyle ={\frac {1}{\theta ^{k}\Gamma (k)}}\left({\frac {1}{y}}\right)^{k+1}\exp \left({\frac {-1}{\theta y}}\right)}$

${\displaystyle ={\frac {1}{\theta ^{k}\Gamma (k)}}y^{-k-1}\exp \left({\frac {-1}{\theta y}}\right)}$

Remplaçant ${\displaystyle k}$ par ${\displaystyle \alpha }$, ${\displaystyle \theta ^{-1}}$ par ${\displaystyle \beta }$ et enfin ${\displaystyle y}$ par ${\displaystyle x}$ donne la densité donnée plus haut :

${\displaystyle f(x)={\frac {\beta ^{\alpha }}{\Gamma (\alpha )}}x^{-\alpha -1}\exp \left({\frac {-\beta }{x}}\right)}$

Apparitions[modifier | modifier le code]

• La loi du temps de premier contact (en) dans un processus de Wiener est une distribution de Lévy, qui est une loi inverse-gamma de paramètre ${\displaystyle \alpha =0,5}$^[1]

Références[modifier | modifier le code]

• Portail des probabilités et de la statistique