问题标签 [gamma-function]

如果传递给 Gamma_inv 的随机数大约高于 0.96，则返回错误。这在 Excel 和 VBA 中都会发生。我正在运行 Monte Carlo，而这仅在 40,000 多次运行中发生 10 次左右。这是我使用它的方式。alpha 和 beta 总是 >0。如果“gammatrunc”= 1，我得到错误。如果我将其设置为 0.95，则不会出现错误：

错误如下所示：

带有错误消息的输出

我很感激任何关于为什么会发生这种情况的想法。

谢谢

编写一个 python 脚本来计算 Implied Normal Vol ；符合 Jekel 文章（行业标准）。

https://jaeckel.000webhostapp.com/ImpliedNormalVolatility.pdf

他们说他们正在使用广义不完全伽马函数逆。

来电：

F(x)=v/(K - F) -> 找到使这成为真的 x

其中 F 是逆不完全 Gamma 函数

并且 x = (K - F)/(T*sqrt(T) ; v 是调用的值

对于那个 x，IV 是 =(KF)/x*sqrt(T)

我正在使用的示例：

F=40

X=38

T=100/365

v=5.25

音量= 20%

使用方程式我应该能够回退 20% 的 Vol

Scipy 在其特殊功能中有上下不完全 Gamma Function Inverse。

较低： scipy.special.gammaincinv(a, y) ：{a 必须是正参数}

上： scipy.special.gammainccinv(a, y) : {a 必须是正参数}

我知道我错了，但是我哪里错了/我该如何解决它并使用我在文章中读到的内容？

以下无限严重需要计算非整数、负数、实数的阶乘：

（这是一种计算椭圆周长的方法，a 和 b 是半长轴和半短轴，h 定义为：
h = (ab)^2/(a+b)^2）

阶乘函数可以通过 Gamma 函数扩展到负值，该函数是为所有非负整数的实数定义的。

在编写严重的代码时，我尝试了 boost::math::factorial 和 boost::math::tgamma ，它只给出了-1（不包括）-1.5 的结果，例如给出一个错误。

输出：

-0.5 的阶乘 = 1
tgamma 的 -0.5 = -3.54491
在抛出 'boost::exception_detail::clone_implboost::exception_detail::error_info_injector<std::domain_error >' 的实例后调用终止什么（）：函数提升错误： :math::tgamma(long double): 在负整数 0 处评估 tgamma。中止（核心转储）

boost factorial： boost factorial
boost tgamma： boost tgamma

我的问题：

1. 是否有可以计算其负域的 gamma 函数的 boost 替代方法？
2. 我在上面提到的阶乘和 tgamma 函数的实现域的链接的 boost 文档中找不到。事实上，我可能只是错误地使用它们。确定什么是域/正确用法的方法是什么？

谢谢。

m(t)Weibull 分布的更新函数t = 10如下所示。

我想找到 的值m(t)。我写了以下r代码来计算m(t)

输出是m(t) = 2.670408e+93。我的迭代程序正确吗？谢谢。

遵循 t 分布的变量 X 的熵的封闭式解析解，在此处导出，为

看到python有函数scipy.special.digamma和scipy.special.beta，上面的公式怎么用代码实现呢？

令我困惑的是，刚才提到的函数并没有根据文档将自由度参数nu (v)作为输入。一个运行的例子会有所帮助

我正在尝试计算 Tensorflow(tf.math.polygamma) 中的 polygamma 函数。但是，它不接受复数。是否有任何解决方法可以解决此问题？

我创建了一个值，该值取决于基于 swift 中的 gamma 函数的一些计算。

下面是定义这个值的代码。

只要“a”达到 10 左右，“b”达到 25 左右，norm 就有一个“inf”值。我想知道为什么会这样。它是否与编程语言 swift、我用来表示“规范”值的对象有关，还是与我不理解的更深层次的数学原因有关？有人可以解释一下吗？

我正在尝试使用以下规则从头开始实现伽玛函数：

1. 如果 z 等于 1，我们返回 1；
2. 项目清单
3. gama(z) (使用函数的递归) (z-1)*gamma(z-1);
4. 如果 z 是自然数，那么我们返回 (z-1) 的阶乘；
5. 如果 z 等于 1/2，我们返回 sqrt(pi)。

这种条件使我得到以下更简化的条件

6. 如果 z 是自然的，我们使用第三个属性；
7. 如果 z 是 b/2 的形状，其中 b 是自然数，我们使用属性 2 和 4。
8. 否则，我们应用第二个公式，直到 n 小于 1。当 z 小于 1 时，我们应用这个公式：

我的代码看起来像这样，但我似乎无法使其适用于符合第 8 点标准的值。

它给出了这个错误：

我正在将我们的源代码的 boost 库更新到最新版本，并遇到了这个问题，即 gamma_imp() 函数的最后一个参数（存在于 <boost\math\special_functions\gamma.hpp> 中）在 boost 中不再可用。最后一个参数是一个类型的变量boost::math::lanczos::lanczos22。但是lanczos22过去在 <boost\math\special_functions\lanczos.hpp> 中声明的类在最新版本中不再可用。

我试图查看https://www.boost.org/users/history/version_1_78_0.html中的发行说明，但没有任何信息。

我该如何解决这个问题？提前感谢您的建议。

我的问题如下。我测量了一堆不同的物理特性，并将方法和测量的不确定性一直传播到某种效率比。对于我所有的物理特性，正态分布似乎是一个不错的选择，并且对于前几次计算和相应的传播，我的不确定性相当低。我将所有不确定性作为 kp=2 的扩展不确定性转发，这意味着覆盖了所有可能值的 95.45%。

但是，对于我现在为了获得效率而执行的计算，我最终得到了 (16+/-31)% 这样的结果，这是不可能的，因为我的效率只能从 0 扩展到 1。我的假设是，我发现效率的“正确”期望值，但我的概率分布应该是正偏伽马分布而不是正态分布。假设区间 [0; 0.16+0.31], [0; 0.16+0.31*3/2] 和 [0;1] 涵盖了所有可能值的 95.45%、99.73% 和 100%，我应该能够分析地计算伽马分布参数 alpha 和 beta。不幸的是，以下使用 sympy 的代码不起作用，因为 sympy 无法处理它。

有人知道如何解决我的问题吗？