Zum Inhalt springen

Lévy-Verteilung

aus Wikipedia, der freien Enzyklopädie

Lévy-Verteilungen (benannt nach dem französischen Mathematiker Paul Lévy) sind eine Familie von Wahrscheinlichkeitsverteilungen mit der besonderen Eigenschaft eines jeweils unendlichen Erwartungswerts.

Definition

Datei:LevyDichteF.svg
Lévy-Dichtefunktionen verschiedener Skalierung und μ=0

Die Dichtefunktion der Lévy-Verteilungen lautet

<math> f(x)=\sqrt{\frac{\gamma}{2 \pi}} \cdot \frac{1}{(x-\mu)^{3/2}} \cdot \exp\left(-\frac{\gamma}{2(x-\mu)}\right),\quad x>\mu</math>,

mit den beiden Parametern <math>\gamma >0</math>, <math>\mu \in \mathbb R</math>.

  • <math>\mu </math> ist ein Lageparameter und definiert die Position auf der <math>x</math>-Achse;
  • <math>\gamma </math> ist ein Skalenparameter (Stauchung für <math>\gamma<1</math>; Streckung für <math>\gamma>1</math>).

Standard-Lévy-Verteilung

Die Standard-Lévy-Verteilung ist die Lévy-Verteilung mit den Parameterwerten <math>\gamma =1, \mu=0</math>; ihre Dichtefunktion lautet damit:

<math> f(x)= \frac{1}{\sqrt{2 \pi \cdot x^3}} \cdot e^{-\frac{1}{2x}},\quad x>0</math>.

Eigenschaften

Die Standard-Lévy-Verteilung gehört (wie die Normalverteilung und die Cauchy-Verteilung) zur übergeordneten Familie der alpha-stabilen Verteilungen, d. h., sie erfüllt die Bedingung:

<math> (X_1 + X_2 + \dotsb + X_n) \sim n^{1/\alpha}X </math>

(hier mit <math>\alpha=1/2</math>) für alle unabhängigen Standard-Lévy-verteilten Zufallsgrößen <math>X_1, X_2, \ldots, X_n, X </math>. Da die Theorie der <math>\alpha</math>-stabilen Verteilungen maßgeblich von Lévy mitgestaltet wurde, spricht man, um Verwechslungen vorzubeugen, auch oft von der eigentlichen Lévy-Verteilung.

Die Verteilungsfunktion <math>F_{\mu, \gamma}</math> der Lévy-Verteilung mit Lageparameter <math>\mu \in \mathbb{R}</math> und Skalenparameter <math>\gamma > 0</math> kann explizit angegeben werden; bezeichne dazu <math>\Phi(z) = \int_{-\infty}^z \frac{1}{\sqrt{2 \pi}} \mathrm{e}^{-\frac{t^2}{2}} \, \mathrm{d}t</math> die Verteilungsfunktion der Standardnormalverteilung, dann gilt

<math>F_{\mu, \gamma}(x) = \begin{cases} 0 & \text{für } x \leq \mu, \\ 2 \big( 1 - \Phi\big( \sqrt{\frac{\gamma}{x - \mu}} \big) \big) & \text{für } x > \mu. \end{cases}</math>

Sei <math>Z</math> eine standardnormalverteilte Zufallsvariable, dann folgt die Zufallsvariable

<math>X := \mu + \frac{\gamma}{Z^2}</math>

der Lévy-Verteilung mit Lageparameter <math>\mu \in \mathbb{R}</math> und Skalenparameter <math>\gamma > 0</math>.

Momente

Die Lévy-Verteilung besitzt keinen endlichen Erwartungswert, denn es gilt <math>\operatorname{E}(|X|)=\infty</math>. Die Lévy-Verteilung gehört somit zu den Verteilungen mit schweren Rändern, die vor allem dazu verwendet werden, extreme Ereignisse (z. B. einen Börsencrash in der Finanzmathematik) zu modellieren.

Anwendung

Mit der Lévy-Verteilung lassen sich verschiedene Phänomene insbesondere in der Natur beschreiben:

Einzelnachweise

<references />

<templatestyles src="BoxenVerschmelzen/styles.css" />

Vorlage:Klappleiste/Anfang 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 Vorlage:Klappleiste/EndeVorlage:Klappleiste/Anfang 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 Vorlage:Klappleiste/EndeVorlage:Klappleiste/Anfang 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 Vorlage:Klappleiste/Ende