Verallgemeinerte Poisson-Verteilung

Dieser Artikel oder nachfolgende Abschnitt ist nicht hinreichend mit Belegen (beispielsweise Einzelnachweisen) ausgestattet. Angaben ohne ausreichenden Beleg könnten demnächst entfernt werden. Bitte hilf Wikipedia, indem du die Angaben recherchierst und gute Belege einfügst.

Die verallgemeinerte Poisson-Verteilung ist eine Wahrscheinlichkeitsverteilung und somit dem mathematischen Teilgebiet der Stochastik zuzuordnen. Sie ist eine univariate diskrete Wahrscheinlichkeitsverteilung auf den natürlichen Zahlen, die vor allem in der Versicherungsmathematik verwendet wird. Im Vergleich zur Poisson-Verteilung besitzt sie zwei Parameter, ist dadurch wesentlich flexibler als diese.

Definition

Eine diskrete Zufallsvariable X n {\displaystyle X_{n}} unterliegt der Verallgemeinerten Poisson-Verteilung mit den Parametern λ {\displaystyle \lambda } (Ereignisrate) und θ {\displaystyle \theta } , wenn sie die Wahrscheinlichkeiten

P ( X n = k ) = θ ( θ + k λ ) k 1 e θ k λ k ! {\displaystyle P(X_{n}=k)={\frac {\theta (\theta +k\lambda )^{k-1}\;\mathrm {e} ^{-\theta -k\lambda }}{k!}}}

besitzt. Setzt man λ = 0 {\displaystyle \lambda =0} , so ergibt sich die gewöhnliche Poisson-Verteilung zum Erwartungswert θ {\displaystyle \theta } .

Eigenschaften

  • Die Varianz ist immer mindestens so groß wie der Erwartungswert (für λ > 0 {\displaystyle \lambda >0} sogar größer). Diese Eigenschaft nennt man Überdispersion (englisch overdispersion).
  • Für die verallgemeinerte Poisson-Verteilung sind Rekursionen für die Summenverteilung bekannt, wie man sie auch von der Panjer-Verteilung kennt.
  • Für viele Anwendungsfälle ist die implizite Definition der verallgemeinerten Poisson-Verteilung ausreichend.

Erwartungswert

Der Erwartungswert ergibt sich zu

E ( X n ) = θ 1 λ {\displaystyle \operatorname {E} (X_{n})={\frac {\theta }{1-\lambda }}} .

Varianz

Für die Varianz erhält man

Var ( X n ) = θ ( 1 λ ) 3 {\displaystyle \operatorname {Var} (X_{n})={\frac {\theta }{(1-\lambda )^{3}}}} .

Standardabweichung

Aus der Varianz erhält man wie üblich die Standardabweichung

σ = θ ( 1 λ ) 3 {\displaystyle \sigma ={\sqrt {\frac {\theta }{(1-\lambda )^{3}}}}} .

Variationskoeffizient

Für den Variationskoeffizienten ergibt sich:

VarK ( X ) = 1 θ ( 1 λ ) {\displaystyle \operatorname {VarK} (X)={\sqrt {\frac {1}{\theta (1-\lambda )}}}} .

Schiefe

Die Schiefe lässt sich darstellen als

v ( X ) = 1 2 λ θ ( 1 λ ) {\displaystyle \operatorname {v} (X)={\frac {1-2\lambda }{\sqrt {\theta (1-\lambda )}}}} .

Charakteristische Funktion

Die charakteristische Funktion hat die Form

ϕ X ( s ) = e θ ( u 1 ) {\displaystyle \phi _{X}(s)=e^{\theta (u-1)}} mit u = e i s e λ ( u 1 ) {\displaystyle u=e^{is}e^{\lambda (u-1)}} .

Wahrscheinlichkeitserzeugende Funktion

Für die wahrscheinlichkeitserzeugende Funktion erhält man

g X ( s ) = e θ ( u 1 ) {\displaystyle g_{X}(s)=e^{\theta (u-1)}} mit u = z e λ ( u 1 ) {\displaystyle u=ze^{\lambda (u-1)}} .

Momenterzeugende Funktion

Die momenterzeugende Funktion der verallgemeinerten Poisson-Verteilung ist

m X ( s ) = e θ ( u 1 ) {\displaystyle m_{X}(s)=e^{\theta (u-1)}} mit u = e s e λ ( u 1 ) {\displaystyle u=e^{s}e^{\lambda (u-1)}} .
Diskrete univariate Verteilungen

Diskrete univariate Verteilungen für endliche Mengen:
Benford | Bernoulli | beta-binomial | binomial | Dirac | diskret uniform | empirisch | hypergeometrisch | kategorial | negativ hypergeometrisch | Rademacher | verallgemeinert binomial | Zipf | Zipf-Mandelbrot | Zweipunkt

Diskrete univariate Verteilungen für unendliche Mengen:
Boltzmann | Conway-Maxwell-Poisson | discrete-Phase-Type | erweitert negativ binomial | Gauss-Kuzmin | gemischt Poisson | geometrisch | logarithmisch | negativ binomial | parabolisch-fraktal | Poisson | Skellam | verallgemeinert Poisson | Yule-Simon | Zeta

Kontinuierliche univariate Verteilungen

Kontinuierliche univariate Verteilungen mit kompaktem Intervall:
Beta | Cantor | Kumaraswamy | raised Cosine | Dreieck | Trapez | U-quadratisch | stetig uniform | Wigner-Halbkreis

Kontinuierliche univariate Verteilungen mit halboffenem Intervall:
Beta prime | Bose-Einstein | Burr | Chi | Chi-Quadrat | Coxian | Erlang | Exponential | Extremwert | F | Fermi-Dirac | Folded normal | Fréchet | Gamma | Gamma-Gamma | verallgemeinert invers Gauß | halblogistisch | halbnormal | Hartman-Watson | Hotellings T-Quadrat | hyper-exponentiale | hypoexponential | invers Chi-Quadrat | scale-invers Chi-Quadrat | Invers Normal | Invers Gamma | Kolmogorow-Verteilung | Lévy | log-normal | log-logistisch | Maxwell-Boltzmann | Maxwell-Speed | Nakagami | nichtzentriert Chi-Quadrat | Pareto | Phase-Type | Rayleigh | relativistisch Breit-Wigner | Rice | Rosin-Rammler | shifted Gompertz | truncated normal | Type-2-Gumbel | Weibull | Wilks’ Lambda

Kontinuierliche univariate Verteilungen mit unbeschränktem Intervall:
Cauchy | Extremwert | exponential Power | Fishers z | Fisher-Tippett (Gumbel) | generalized hyperbolic | Hyperbolic-secant | Landau | Laplace | alpha-stabil | logistisch | normal (Gauß) | normal-invers Gauß’sch | Skew-normal | Studentsche t | Type-1-Gumbel | Variance-Gamma | Voigt

Multivariate Verteilungen

Diskrete multivariate Verteilungen:
Dirichlet compound multinomial | Ewens | gemischt Multinomial | multinomial | multivariat hypergeometrisch | multivariat Poisson | negativmultinomial | Pólya/Eggenberger | polyhypergeometrisch

Kontinuierliche multivariate Verteilungen:
Dirichlet | GEM | generalized Dirichlet | multivariat normal | multivariat Student | normalskaliert invers Gamma | Normal-Gamma | Poisson-Dirichlet

Multivariate Matrixverteilungen:
Gleichverteilung auf der Stiefel-Mannigfaltigkeit | Invers Wishart | Matrix Beta | Matrix Gamma | Matrix invers Beta | Matrix invers Gamma | Matrix Normal | Matrix Student-t | Matrix-Von-Mises-Fisher-Verteilung | Normal-invers-Wishart | Normal-Wishart | Wishart