Estou tentando encontrar a distribuição de probabilidade de uma soma de um número aleatório de variáveis que não são identicamente distribuídas. Aqui está um exemplo:
John trabalha em um call center de atendimento ao cliente. Ele recebe ligações com problemas e tenta resolvê-las. Os que ele não consegue resolver, ele os encaminha ao seu superior. Vamos supor que o número de chamadas que ele recebe em um dia segue uma distribuição de Poisson com a média . A dificuldade de cada problema varia de coisas bastante simples (com as quais ele pode lidar definitivamente) a perguntas muito especializadas que ele não saberá resolver. Suponha que a probabilidade ele vai ser capaz de resolver o i problema -ésimo segue uma distribuição Beta com os parâmetros e e é independente dos problemas anteriores. Qual é a distribuição do número de chamadas que ele resolve em um dia?p iβ
Mais formalmente, tenho:
para
onde , e( X i | p i ) ~ B e r n o u l l i ( P i ) p i ~ B e t um ( α , β )
Note-se que, por agora, eu estou feliz em assumir que o s' são independentes. Eu também aceitaria que os parâmetros \ mu, \ alpha e \ beta não se afetam, embora em um exemplo real disso quando \ mu seja grande, os parâmetros \ alpha e \ beta sejam tais que a distribuição Beta tem mais massa com baixas taxas de sucesso p . Mas vamos ignorar isso por enquanto. μ , α β μ α β p
Eu posso calcular mas é isso. Também posso simular valores para ter uma ideia de como é a distribuição de (parece Poisson, mas não sei se isso se deve ao número de e que tentei ou se generaliza, e como isso pode mudar para diferentes valores de parâmetro). Alguma idéia do que é essa distribuição ou como eu poderia derivá-la?Y μ , α β
Observe que também postei essa pergunta no Fórum TalkStats, mas achei que poderia receber mais atenção aqui. Desculpas pela postagem cruzada e muito obrigado antecipadamente pelo seu tempo.
EDIT : Como se vê (veja as respostas muito úteis abaixo - e obrigado por elas!), É realmente uma distribuição , algo o que eu estava adivinhando com base na minha intuição e em algumas simulações, mas não consegui provar. O que agora acho surpreendente, porém, é que a distribuição de Poisson depende apenas da média da distribuição mas não é afetada por sua variação.Beta
Como exemplo, as duas distribuições Beta a seguir têm a mesma média, mas variação diferente. Para maior clareza, o pdf azul representa um e o vermelho .B e t a ( 0,75 , 0,75 )
No entanto, ambos resultariam na mesma distribuição que, para mim, parece um pouco contra-intuitiva. (Não estou dizendo que o resultado está errado, é apenas surpreendente!)