En teoría de probabilidad y estadística , una distribución inversa es la distribución del recíproco de una variable aleatoria. Las distribuciones inversas surgen en particular en el contexto bayesiano de distribuciones anteriores y distribuciones posteriores para parámetros de escala . En el álgebra de variables aleatorias , las distribuciones inversas son casos especiales de la clase de distribuciones de razón , en las que la variable aleatoria numeradora tiene una distribución degenerada .
En general, dada la distribución de probabilidad de una variable aleatoria X con soporte estrictamente positivo, es posible encontrar la distribución del recíproco, Y = 1 / X. Si la distribución de X es continua con la función de densidad f ( x ) y la función de distribución acumulativa F ( x ), entonces la función de distribución acumulativa, G ( y ), del recíproco se encuentra observando que
Luego, la función de densidad de Y se encuentra como la derivada de la función de distribución acumulativa:
La distribución recíproca tiene una función de densidad de la forma [1]
donde significa "es proporcional a" . De ello se deduce que la distribución inversa en este caso es de la forma
que es nuevamente una distribución recíproca.
Si la variable aleatoria original X está distribuida uniformemente en el intervalo ( a , b ), donde a >0, entonces la variable recíproca Y = 1 / X tiene la distribución recíproca que toma valores en el rango ( b −1 , a −1 ), y la función de densidad de probabilidad en este rango es
y es cero en otros lugares.
La función de distribución acumulada del recíproco, dentro del mismo rango, es
Por ejemplo, si X está distribuido uniformemente en el intervalo (0,1), entonces Y = 1 / X tiene densidad y función de distribución acumulativa cuando
Sea X una variable aleatoria t distribuida con k grados de libertad . Entonces su función de densidad es
La densidad de Y = 1 / X es
Con k = 1, las distribuciones de X y 1 / X son idénticas ( X tiene entonces la distribución de Cauchy (0,1)). Si k > 1 entonces la distribución de 1/ X es bimodal . [ cita necesaria ]
Si la variable sigue una distribución normal , entonces la inversa o recíproca sigue una distribución normal recíproca: [2]
Si la variable X sigue una distribución normal estándar , entonces Y = 1/ X sigue una distribución normal estándar recíproca , de cola pesada y bimodal , [2] con modas en y densidad
y los momentos primero y de orden superior no existen. [2] Para tales distribuciones inversas y para distribuciones de razones , todavía se pueden definir probabilidades para intervalos, que pueden calcularse mediante simulación de Monte Carlo o, en algunos casos, utilizando la transformación de Geary-Hinkley. [3]
Sin embargo, en el caso más general de una función recíproca desplazada , para seguir una distribución normal general, entonces las estadísticas de media y varianza existen en un sentido de valor principal , si la diferencia entre el polo y la media tiene un valor real. La media de esta variable aleatoria transformada ( distribución normal desplazada recíproca ) es entonces, de hecho, la función de Dawson escalada : [4]
Por el contrario, si el desplazamiento es puramente complejo, la media existe y es una función de Faddeeva escalada , cuya expresión exacta depende del signo de la parte imaginaria . En ambos casos, la varianza es una función simple de la media. [5] Por lo tanto, la varianza debe considerarse en el sentido de valor principal si es real, mientras que existe si la parte imaginaria de es distinta de cero. Tenga en cuenta que estas medias y varianzas son exactas, ya que no recurren a la linealización de la relación. La covarianza exacta de dos razones con un par de polos diferentes está disponible de manera similar. [6] El caso de la inversa de una variable normal compleja , desplazada o no, presenta características diferentes. [4]
Si es una variable aleatoria distribuida exponencialmente con parámetro de tasa , entonces tiene la siguiente función de distribución acumulativa: para . Tenga en cuenta que el valor esperado de esta variable aleatoria no existe. La distribución exponencial recíproca encuentra utilidad en el análisis de sistemas de comunicaciones inalámbricas que se desvanecen.
Si X es una variable aleatoria con distribución de Cauchy ( μ , σ ), entonces 1/X es una variable aleatoria de Cauchy ( μ / C , σ / C ) donde C = μ 2 + σ 2 .
Si X es una variable aleatoria distribuida F ( ν 1 , ν 2 ) , entonces 1 / X es una variable aleatoria F ( ν 2 , ν 1 ).
Si se distribuye según una distribución binomial con un número de intentos y una probabilidad de éxito, entonces no se conoce ninguna forma cerrada para la distribución recíproca. Sin embargo, podemos calcular la media de esta distribución.
Se conoce una aproximación asintótica para los momentos no centrales de la distribución recíproca. [7]
donde O() y o() son las funciones de orden grande y pequeña y es un número real.
Para una distribución triangular con límite inferior a , límite superior b y modo c , donde a < b y a ≤ c ≤ b , la media del recíproco viene dada por
y la varianza por
.
Ambos momentos del recíproco sólo se definen cuando el triángulo no cruza el cero, es decir, cuando a , b y c son todos positivos o todos negativos.
Otras distribuciones inversas incluyen
Las distribuciones inversas se utilizan ampliamente como distribuciones previas en la inferencia bayesiana para parámetros de escala.