In the present paper new insights into the study of the Non-central Dirichlet distribution are provided. This latter is the analogue of the Dirichlet distribution obtained by replacing the Chi-Squared random variables involved in its definition by as many non-central ones. Specifically, a novel approach to tackling the analysis of this model is introduced based on a simple conditional density together with a suitable transposition into the non-central framework of a characterizing property of independent Chi-Squared random variables. This approach thus enables to remedy the undeniable mathematical complexity of the joint density function of such distribution by paving the way towards achieving a new attractive stochastic representation as well as a surprisingly simple closed-form expression for its mixed raw moments.


翻译:本文件提供了对非中央Drichlet分布研究的新见解,后者是Drichlet分布的类比,它通过以许多非中央变量取代其定义中涉及的Chi-Squarid随机变量而获得的Drichlet分布,具体地说,在简单条件密度的基础上,采用了一种新颖的方法处理这一模型的分析,同时将一个适当的转换到非中央框架,将独立的Chi-Squaried随机变量特性定性,从而能够纠正这种分布的不可否认的数学复杂性,通过为实现新的有吸引力的随机代表以及令人惊讶的复杂原始时的封闭式表达方式铺平道路。

0
下载
关闭预览

相关内容

专知会员服务
21+阅读 · 2021年6月26日
专知会员服务
14+阅读 · 2021年5月21日
专知会员服务
66+阅读 · 2020年10月2日
Python分布式计算,171页pdf,Distributed Computing with Python
专知会员服务
107+阅读 · 2020年5月3日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【学习】(Python)SVM数据分类
机器学习研究会
6+阅读 · 2017年10月15日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
38+阅读 · 2021年8月31日
VIP会员
相关VIP内容
专知会员服务
21+阅读 · 2021年6月26日
专知会员服务
14+阅读 · 2021年5月21日
专知会员服务
66+阅读 · 2020年10月2日
Python分布式计算,171页pdf,Distributed Computing with Python
专知会员服务
107+阅读 · 2020年5月3日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【学习】(Python)SVM数据分类
机器学习研究会
6+阅读 · 2017年10月15日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员