FUNZIONE GAMMA INCOMPLETA

 La funzione Gamma incompleta, P(α,x), nota anche come integrale di Eulero

di seconda specie incompleto, è definita mediante l’integrale:
x
1
P  α, x  
Γ  α 
 u α 1 e  u du
0

dove il parametro α é una quantità positiva, α > 0, e la variabile indipendente

x é una quantità non negativa, x ≥ 0(*).

 La funzione P(α,x) è anche detta funzione Gamma incompleta regolarizzata

o normalizzata risultando: 0 ≤ P(α,x) < 1.

 Per tale funzione a volte vengono utilizzate definizioni alternative (non di

rado anch’esse chiamate, genericamente, funzione Gamma incompleta),
sostanzialmente equivalenti a quella sopra data. Tra queste:
x

 γ  α, x   P  α, x   Γ  α    u α 1 e  u du
0

(nota anche come funzione Gamma incompleta inferiore)



 Γ  α, x   Γ  α   γ  α, x   Γ  α    1  P  α, x     u α  1 e  u du
x

(nota anche come funzione Gamma incompleta superiore)

x
x α
 γ   α, x   x α  P  α, x     u α 1 e  u du
Γ  α  0 Gamma Incompleta
Funzione
Funzione Gamma Incompleta
Inoltre,
1 in ambito statistico, l’espressione:
P(a,x)

P(α,x) 1
p 1

 
u
1
P(α,x) α=1/5 I  u, p   u
p
e  u du  P p  1, u p  1
0.8 Γ  p  1 0 x=7.5
0.8
α=1/2 di Pearson della funzione Gamma incompleta.
è nota come forma x=5
α=1
0.6
-------------------------
0.6
(*) x=3
Nella forma più generale, tuttavia, la funzione Gamma incompleta è definita in modo tale che
α=2 x=2 x, possano essere numeri complessi.
sia il0.4parametro α, sia la variabile indipendente
 La 0.4funzione Gamma incompleta x=1
interviene
α=3 in numerosi problemi di natura
matematica ed ingegneristica.
x=1/2 α=5
0.2
0.2
x=1/5
α=7.5
00 P(α,x)
00 11 2
2 3
3 44 55
αx
 Elementi lineari e stazionari in serie
Un sistema caratterizzato da una relazione tra ingresso, i(t), ed uscita, u(t),
fornita dall’equazione differenziale ordinaria:

d i(t) u(t)
u t   k u t   i  t 
dt k

è noto come elemento lineare e stazionario di parametro k.

Allora un sistema composto da n elementi lineari e stazionari, tutti di

parametro k, disposti in serie:

u1(t)=i2(t) u0(t)=i1(t) un-1(t)=in(t)

i1(t) un(t)
k k k

sarà caratterizzato da una relazione tra ingresso, i1(t), ed uscita, un(t), fornita
dall’equazione differenziale ordinaria (in notazione di Heaviside):
n
 d 
 1  k  un  t   i1  t 
 dt 

Per tale sistema è facile mostrare che, ad un’ingresso costante a partire

dall’origine temporale i1(t)=i0, t>0, corrisponde un uscita un(t) data da:
t k
i0
un  t   0 x
n 1
e  x dx  i0 P  n, t k 
Γ  n

proporzionale, quindi, proprio dalla funzione Gamma incompleta.

In ambito ingegneristico un’applicazione del suddetto schema viene

effettuata per descrivere la trasformazione degli afflussi pluviometrici in
deflussi superficiali in un bacino idrografico. Il modello risultante è noto
come modello di Nash, spesso utilizzato anche nella forma generalizzata che
prevede valori di n anche non interi.

 Distribuzioni probabilistiche
Dalla definizione della funzione Gamma incompleta si evince che essa:
 è una funzione continua;
 è una funzione monotona crescente, dP  α, x  dx  0 ;
  è una funzione per la quale P  α,0   0 e lim P  α, x   1
x 

per cui possiede tutte le proprietà di una funzione di ripartizione di

probabilità di una variabile aleatoria continua non negativa.
Infatti:
 la funzione Gamma incompleta di variabile indipendente x  βz e
parametro α :
βz
1
P  α, βz   y e dy  FZ  z 
α 1  y
z  0, α  0, β  0
Γ  α 0

è la funzione di ripartizione, FZ  z  , della distribuzione di probabilità

nota come Pearson Type III (nota anche come distribuzione gamma
a due parametri). Se α ha valore intero, la stessa legge è nota
anche come distribuzione di Erlang.
 la funzione Gamma incompleta di variabile indipendente x  βz θ e
parametro α :
β zθ

P  α, βz  
1
θ
y
α 1
e  y dy  FZ  z  z  0, α  0, β  0 , θ  0
Γ  α 0

è la funzione di ripartizione, FZ  z  , della distribuzione di probabilità

nota come Kritskiy-Menkel (detta anche gamma-potenza).
 la funzione Gamma incompleta di variabile indipendente x  χ2 2 e
parametro α  ν 2 :
χ2 2 ν χ2 ν w
Pν 2 , χ 2  dw FΧ 2  χ 2 
1 1 1 1 
 w2 e
y
2
y 2
e dy  ν 2 2
Γ  ν 2 0
2 Γ  ν 2 0

χ 2  0, v  0

è la funzione di ripartizione, FΧ  χ  , della distribuzione di

2
2

probabilità nota come χ2 di Pearson.

 il complemento ad 1 della funzione Gamma incompleta di variabile
indipendente x  λt e parametro α  n  1 :
1  P  n  1, λt  
1
 n
 λt  j F  n 
Γ  n  1 λt
y n y
e dy  e λt

j 0 j!
N

n  0,1,2,..., λ  0, t  0

è la funzione di ripartizione, FN  n  , della distribuzione di probabilità

discreta di Poisson.
Alcune proprietà della funzione Gamma incompleta
 La funzione Gamma incompleta gode di numerose interessanti proprietà le
più importanti delle quali sono:
  Valori speciali:
 x2 x n1   x
P  n, x   1  1  x   ...  e n  1,2,3,...
 2!  n  1! 

 formula di ricorrenza:
xαe x
P  α  1, x   P  α, x  
Γ  α  1

 derivazione:
dP  α, x  x α 1e  x

dx Γ  α

 integrazione:
y
yαe  y
0
P  α, x  dx  y P  α, y   α P  α  1, y    y  α  P  α, y  
Γ  α
z
1 1
  P  α, x  dx  dy  2 z P  α, z   α z P  α  1, z   2 α α  1 P  α  2, z 
y 2
0
0

1 Γα  β


 x  1  P  α, x   dx  β Γ  β 
β 1
β 0
0

1  

1
 e  1  P  α, x   dx  β 1   β  1
 βx
α  β 0
0 

 autoconvoluzione:
x
P  α1 , x   dP  α 2 , x  dx   P  α1 , x  u  dP  α 2 , u  P  α1  α1 , x 
0

x
P  α1 , x   P  α 2 , x    P  α1 , x  u  P  α 2 , u  du 
0

x P  α1  α 2 , x    α1  α2  P  α1  α2  1, x 

Calcolo della funzione Gamma incompleta

 Un primo metodo per la valutazione della funzione Gamma incompleta,
P(α,x), in presenza di parametri α e variabili indipendenti x qualsiasi, è
basato sull’uso dello suo sviluppo in serie.

 Lo sviluppo in serie della funzione Gamma incompleta, P(α,x), vale:

 xα    x
n

xn
P  α, x   x α e  x   
n 0 Γ  α  n  1 Γ  α  n 0 n!  α  n 
o, in forma estesa:
P  α, x  
xα 1

x

x2

x3
.  .. 
  1 n x n  ...
 
Γ α  α α  1 2!  α  2  3!  α  3  n!  α  n  

 La presenza di n! al denominatore degli addendi della serie garantisce

che, per n maggiore di un valore n0 sufficientemente elevato, i termini
della serie saranno inferiori all’unità. Essendo, inoltre, la serie a segno
alterno, per n > n0 l’errore commesso troncando la serie non supererà il
valore assoluto dell’ultimo termine considerato.

 Va tuttavia sottolineato che, pur essendo lo sviluppo in serie della

funzione Gamma incompleta convergente per qualsiasi valore del
parametro α>0 e della variabile indipendente x, la velocità di convergenza
è sufficientemente rapida solo per x minore di α+1.

 Un secondo metodo per la valutazione della funzione Gamma incompleta,

P(α,x), sempre in presenza di parametri α e variabili indipendenti x qualsiasi,
è basato sull’uso dello suo sviluppo in frazione continua.

 L’usuale sviluppo in frazione continua della funzione Gamma incompleta,

P(α,x), vale:
xαe  x 1
P  α, x   1  
Γ  α x  1a
1
1
2a
x
1
1
3a
x
1
1
x  ...
ma qui è da preferire la forma alternativa:
xαe  x 1
P  α, x   1  
Γ  α x  1  a  11  a
2  2  a
x3a
3  3  a
x 5 a 
x  7  a  ...
che converge più rapidamente.

 Al contrario di quanto accade per gli sviluppi in serie, non è subito

evidente come si possa effettuare il troncamento di uno sviluppo in
 frazione parziale che soddisfi una data condizione sull’errore residuo. Il
problema fu originariamente risolto da Wallis più di tre secoli e mezzo
orsono, anche se, l’algoritmo migliore è molto successivo ed è noto come
metodo di Lentz modificato.

 Scritto il generico sviluppo in frazione parziale come:

a1
f  x   b0 
a2
b1 
a3
b2 
a4
b3 
b4  ...
siano f j i valori assunti dallo sviluppo troncato allorché si usino solo i
termini con coefficienti a1 , a 2 , ..., a j e b0 , b1 , b2 , ..., b j . Allora metodo di
Lentz modificato valuta ricorsivamente i valori di f j mediante la formula:
f j  f j - 1C j D j

in cui C j  b j  a j C j 1 e D j  1  b j  a j D j -1  con C 0  b0 e D0  0 (*). Il calcolo

potrà essere così arrestato allorché j f f
j -1 1 sia inferiore
all’accuratezza richiesta per il calcolo dello sviluppo.

 Anche lo sviluppo in frazione parziale (in forma alternativa) della funzione

Gamma incompleta converge per qualsiasi valore del parametro α>0 e della
variabile indipendente x. Inoltre la velocità di convergenza è
sufficientemente rapida per x maggiore di α+1.

-------------------------
(*)
Laddove uno dei fattori C j o D j , j=0,1,2,…, assuma il valore zero, sarà sufficiente
sostituirlo con un numero estremamente piccolo, prossimo al prodotto tra l’accuratezza di
macchina e l’accuratezza richiesta per il calcolo dello sviluppo in frazione parziale.
 Il fatto che, per la funzione Gamma incompleta, lo sviluppo in serie converge
con sufficiente rapidità per valori di x minori di α+1, mentre lo sviluppo in
frazione continua converge con sufficiente rapidità per valori di x maggiori di
α+1, suggerisce di sviluppare un algoritmo per il suo calcolo che utilizzi
entrambi gli sviluppi, ognuno nel campo di valori di x ove la convergenza è
più rapida.

 Inoltre, può essere conveniente impiegare la formula di ricorrenza che

permette di ridurre i casi 0 < α < 1 ed α > 2 al caso 1 ≤ α ≤ 2.
 L’algoritmo per il calcolo della funzione Gamma incompleta può essere,
quindi, organizzato come segue (routine GamInc).

 Riduzione al caso 1 ≤ α ≤ 2:
 Se 0 < α < 1:
xαe x
P  α, x   P  α  1, x  
Γ  α  1
x 0.35 e  x
esempio: P  0.35, x   P  1.35, x  
Γ  1.35 

 Se α > 2:
 x α 1 x α2 x αn 
P  α, x   e  x    ...    P  α  n, x 
 Γ  α  Γ  α  1 Γ  α  n  1 
1αn 2

 x 3.19 x 2.19 x 1.19 

esempio: P  4.19, x   e  x      P  1.19, x 
 Γ  4.19  Γ  3.19  Γ  2.19  

 Calcolo di P  α, x  , per 1  α  2 :

 Se 0 < x ≤ 2.5:
Calcolo basato sullo sviluppo in serie

 Se x > 2.5:
Calcolo basato sullo sviluppo in frazione parziale
INVERSA DELLA FUNZIONE GAMMA INCOMPLETA
 Non di rado, specialmente nelle applicazioni di tipo probabilistico, è richiesta
la valutazione dell’inversa della funzione Gamma incompleta, invP(α,y):

invP(α,y) = x se y = P(α,x)

 Esempio
Da un campione casuale di dati, di numerosità pari ad n, x1, x2, …, xn, viene
calcolata la varianza campionaria s2:
2
1 n  1 n 
s    xi   xi 
2

n i 1  n i 1 
 Si voglia testare, a livello di significatività α, l’ipotesi che il campione casuale
provenga da un universo statistico distribuito in accordo a legge gaussiana
avente varianza teorica σ2=1.
Il problema può essere risolto ricordando che, nelle condizioni dell’esempio
qui descritto, la densità di probabilità (esatta) della varianza campionaria s2
è fornita da:
n 1
 n s2  2
   
n3
n 2
fS2 s2   exp     s 2
n1
n  1  2  0  s2  
2 Γ
2

 2 
per cui, considerando un test ad una coda, l’intervallo di non rigettabilità
dell’ipotesi sarà 0 ≤ s2 ≤ s2α dove il valore s2α dovrà soddisfare la relazione:
sα2

 f  u du  1  α
0
S2

che, sviluppata, porge:

n 1
sα2 n 3
n 2
 ny
n 1 
n  1 0
exp   y
 2 
2
dy  1  α
2 Γ
2

 2 
n sα2 2 n1
1 1
 exp  z  z 2
dz  1  α
n  1
Γ 0
 2 
 n  1 n sα2  2 n1 
P  ,   1  α e, quindi: sα2  invP  ,1  α 
 2 2  n  2 

L’effettiva valutazione dell’estremo superiore s2α dell’intervallo di non

rigettabilità dell’ipotesi richiede, dunque, il calcolo dell’inversa della
funzione Gamma incompleta.
Calcolo dell’inversa della funzione Gamma incompleta

 Un approccio relativamente semplice per il calcolo dell’inversa della funzione

Gamma incompleta consiste nell’effettuare la risoluzione numerica
dell’equazione trascendente:

P(α,x) − y = 0 0≤y<1

utilizzando la routine GamInc per il calcolo dei valori di P(α,x).

  L’equazione trascendente P(α,x)−y=0 potrebbe essere risolta mediante
bracketing (routine BraZer) e regula falsi (routine RegFal), ma tale
schema non risulta essere, di certo, il più efficiente.

 Non bisogna dimenticare, infatti, che la scelta del bracketing e della

regula falsi era stata effettuata nell’ottica dello ‘sure-but-slow’ (‘sicuro
ma lento’) assumendo di dover operare con funzioni trascendenti del tutto
generali.

 Qui, invece, la funzione trascendente da azzerare ha ben precise proprietà

analitiche che possono essere sfruttate per garantire la sicurezza della
convergenza di metodi di calcolo iterativi ben più efficienti della lenta
coppia bracketing e regula falsi.

 In particolare è possibile utilizzare il metodo di Newton (avente

convergenza quadratica), versione unidimensionale del metodo già
descritto con riferimento ai sistemi di equazioni non lineari.

 Osservando che nel caso unidimensionale è, semplicemente, J-1=1/(∂f/∂x),

è facile verificare che per la risoluzione della singola equazione f(x)=0,
assegnato un punto iniziale x=x0, il metodo di Newton prevede una
sequenza, k=0,1,…, di iterazioni fornita dalla relazione ricorrente:

x  k 1  x  k  
f xk  
f x x  x  k 

 Nel caso qui analizzato, è f(x)=P(α,x)−y, per cui, ricordando che

∂P(α,x)/∂x=xα−1exp(−x)/Γ(α), la singola iterazione del metodo di Newton
è esplicitabile come:
P  α, x  k    y
x  k 1  x  k   Γ  α 
 x  
k α 1
exp  x  k  
 L’aspetto cruciale nell’applicazione del metodo di Newton alla risoluzione
dell’equazione trascendente P(α,x)−y=0, con 0≤y<1, è la scelta di un punto
iniziale x=x0 >0 che dia luogo alla convergenza del metodo.

 A riguardo, osservando che la funzione f(x)=P(α,x)−y, con 0≤y<1, è sempre

crescente e, per α>1, esibisce un solo punto di flesso ascendente, in x=xfl=α−1,
mentre, per 0<α≤1 non esibisce nessun punto di flesso, potrà affermarsi che:
 1. Se f(x0)<0 ed x0>α−1, il punto iniziale x=x0 dà luogo alla convergenza
del metodo di Newton;
2. Se f(x0)>0 ed x0<α−1, il punto iniziale x=x0 dà luogo alla convergenza
del metodo di Newton;
3. Se f(x1)<0, f(x2)>0 ed x1<α−1<x2, il punto iniziale x0=xfl=α−1 dà luogo
alla convergenza del metodo di Newton.

 L’algoritmo per la ricerca del punto iniziale x0 e lo sviluppo delle iterazioni

del metodo di Newton per la determinazione di x=invP(α,y), con 0≤y<1,
mediante risoluzione dell’equazione trascendente P(α,x)−y=0, è riportato nella
routine InGaIn.

 L’accuratezza εinvP conseguibile nella risoluzione di x=invP(α,y) col

suddetto algoritmo non sempre potrà essere dello stesso ordine di
grandezza dell’accuratezza εP della routine utilizzata per il calcolo di
y=P(α,x).

 Fermo restando, ovviamente, che εinvP non potrà essere migliore di εP, le
due accuratezze, risultano, in prima analisi, legate per tramite dei valori
di ∂P(α,x)/∂x e, dunque, per l’inversa della funzione Gamma incompleta, i
risultati meno accurati si otterranno laddove le derivate ∂P(α,x)/∂x
assumono valori particolarmente elevati, cioè per α << 1 ed x ≈ 0.

 All’atto pratico, comunque, la routine InGaIn potrà fornire risultati con

errori relativi in x superiori a 10−14 solo al di fuori degli intervalli
0.02<α<100 ed 0.0001<y<0.9999. Valori di α ed y al di fuori di tali
intervalli, usualmente, non ricorrono nelle reali applicazioni.

FUNZIONE BETA INCOMPLETA

 La funzione Beta incompleta, I(a,b,x), nota anche come integrale di Eulero di

prima specie incompleto, è definita mediante l’integrale:

x
1
I  a, b, x    u a 1  1  u 
B  a, b  
b 1
du
0
 dove i parametri a e b sono quantità positive, a > 0, b > 0, e la variabile
indipendente x é una quantità compresa tra lo zero e l’unità, 0 ≤ x ≤ 1. Una
diffusa notazione alternativa indica la funzione Beta incompleta, I(a,b,x), con
il simbolo Ix(a,b).

 La funzione I(a,b,x) è anche detta funzione Beta incompleta regolarizzata o

normalizzata risultando, per essa:

0  I  a, b, x   1

 Con lo stesso termine funzione Beta incompleta, spesso, viene anche

indicata la sua forma non regolarizzata:F u n z i o n e B e t a I n c o m p l e t a : x = 0 . 4
F u n z io n e B e ta In c o m p le ta : x = 0 .2
5 5
x
B  a, b, x    u a 41. 5  1  u 
b 1
4 .5 du
0
4 4

B x  a, b  .
3 .5 3 .5
indicata anche, in notazione alternativa, con il simbolo Tra le
p a ra m e tro b

p a ra m e tro b

due definizioni sussiste, ovviamente, la relazione:

3 3

2 .5 2 .5

2
B2 a, b, x 
I  a, b, x  
1 .5 5  a, b 
1 .B

1 1

0 .5 0 .5

0 .5 1 1 .5 2 2 .5 3 3 .5 4 4 .5 5 0 .5 1 1 .5 2 2 .5 3 3 .5 4 4 .5 5

p a ra m e tro a p a ra m e tro a

 Distribuzioni
F u n z i o n e B eprobabilistiche
t a I n c o m p l eFunzione
t a : x = 0 . 6 Beta Incompleta
F u n z io n e B e ta In c o m p le ta : x = 0 .8
5 5
Dalla 1definizione della funzione Beta incompleta si evince che essa:
4 .5 4 .5

 è una funzione continua;

4
I (a,b,x)
monotona non decrescente, dI  a, b, x  dx  0 ;
4
 è una
a=1/5,funzione
b=2
 è una funzione per la quale I  a, b, 0   0 e I  a, b,1  1
3 .5 3 .5

0.75
p a ra m e tro b

p a ra m e tro b

3 3
per cui possiede tutte le proprietà di una funzione di ripartizione di
probabilità a=1/10, b=1/2
2 .5 2 .5
di una variabile aleatoria continua limitata.
2 2
0.5

Infatti: 1 .5 1 .5

 la a=1/2,
1
funzione
b=1/2 Beta incompleta di variabile 1
indipendente
0.25 x  
0 .5z  p   q  p  , con q  p , e parametri a  1 e b  1 : 0 .5

0 .5 1 1 .5 2 2 .5 3 3 .5 4 4 .5 5 0 .5 1 1 .5 2 2 .5 3 3 .5 4 4 .5 5
p a ra m e tro a a=2, b=2 a=10, b=2 p a r a m e t r a=5,
o a b=1/2

0
0 0.25 0.5 0.75 1
x
  z p  q p
 z p 1 z p
I  1,1,    dy   FZ  z  pzq
 q  p  B 1,1 0
q p
è la funzione di ripartizione, FZ  z  , della distribuzione di
probabilità uniforme sull’intervallo [p, q] . Per p  0 , q  1 , posto
x  z  u , si ha
u
1
I  1,1, u    dy  u  F  u 0u1
B  1,1
U
0

che è la funzione di ripartizione, FU  u , della distribuzione di

probabilità uniforme sull’intervallo standardizzato [0, 1] .

 la funzione Beta incompleta di variabile indipendente x   1  w c 2 ,

con  c  w  c, c  0 , e parametri a  3 2 e b  3 2 :
 1 w c  2
 3 3 1 w c 1
I , ,   y  1  y  dy 
2 2 2  B 3 2 , 3 2  0

1 1 w  w 
2
w
  1     arcsin    FW  w  c  w c
2 πc c  c 

è la funzione di ripartizione, FW  w  , della distribuzione di
probabilità di Wigner (nota anche come distribuzione di probabilità
semiellittica).

 la funzione Beta incompleta di variabile indipendente

x   z  p   q  p  , con q  p , e parametri a e b :
 z p  q p 
 z p 1
 y a 1  1  y  dy  FZ  z 
b 1
I  a, b,  
 q  p  B  a, b  0
p  z  q, a  0, b  0

è la funzione di ripartizione, FZ  z  , della distribuzione di

probabilità nota come Pearson Type I (nota anche come
distribuzione beta di prima specie).
 la funzione Beta incompleta di variabile indipendente
x   z  p   z  p  q  , con q  0 , e parametri a e b :
 z  p   z  p q 
 z p  1
 y a 1  1  y 
b 1
I  a, b,   dy  FZ (z)
 z  p  q  B  a, b  0
p  z   , q  0, a  0, b  0

è la funzione di ripartizione, FZ  z  , della distribuzione di

probabilità nota come Pearson Type VI (nota anche come
distribuzione beta di seconda specie).
 il complemento ad 1 della funzione Beta incompleta di variabile
indipendente x  ν  ν  t 2  e parametri a  ν 2 e b  1 2 :

t 2 νt 2  1
ν 1 ν  1  ν
1 I , , 2 
  y 2
 1  y  2 1 dy 
 2 2 ν  t  B 1 2 ,ν 2  0
 ν 1

1
t
 s2  2

  1   ds  AT  t  0  t  , ν  0
ν B 1 2 ,ν 2  t 
ν 

è legata tramite le relazioni:

 1  A t   2 per t  0
FT  t       t  , ν  0
 1  A  t   2 per t  0
alla funzione di ripartizione, FT  t  , della distribuzione di
probabilità nota come t di Student.
 il complemento ad 1 della funzione Beta incompleta di variabile
indipendente x  ν 2  ν 2  ν 1 r  e parametri a  ν 2 2 e b  ν 1 2 :
ν r  ν ν r 
 ν 2 ν1 ν2  1 1 2 1 ν1
1 ν2
1  I  , ,    y 2
 1  y  2
1
dy 
 2 2 ν 2  ν 1 r  B ν 1 2 , ν 2 2  0
r ν1
ν 1ν1 2 ν 2ν 2 2 1
 s 2
 ν 2  ν 1 s   ν1 ν2  2 ds  FR  r 
B ν1 2 , ν 2 2  0
0  r   , ν 1  0, ν 2  0
è la funzione di ripartizione, FR  r  , della distribuzione di
probabilità nota come Variance-Ratio di Fisher.
 il complemento ad 1 della funzione Beta incompleta di variabile
indipendente x  p e parametri a  m  1 e b  n  m , con n  m  0 :
1 p
1
1  I  m  1, n  m, p   y
n m 1
 1  y  m dy 
B  n  m, m  1 0
m
 n
  k  p  1  p  FM  m 
k nk

k 0  
0  p  1, m  0,1,..., n

è la funzione di ripartizione, FM  m  , della distribuzione di

probabilità discreta binomiale.
Alcune proprietà della funzione Beta incompleta

 Anche la funzione Beta incompleta gode di numerose interessanti proprietà le

più importanti delle quali sono:

 Simmetria:

I  a, b, x   1  I  b, a,1  x 

 Valori speciali:
 I  m, b, x   1 
 1  x  b m 1   1 k  m  1   1  x  k

B  m, b  k 0  k  bk m  1,2,3,...
 

n1
x a n 1
  1 k   x
k
I  a, n, x    n  1,2,3,...
B n, a  k 0  k ak

 formule di ricorrenza:
xa  1  x
b
I  a  1, β, x   I  a, b, x  
a B a, b 

xa 1  x
b 1
I  a  1, b  1, x   I  a, b, x  
a B  a, b 

xa  1  x
b
I  a, b  1, x   I  a, b, x  
b B a, b 

x a 1  1  x 
b
I  a  1, b  1, x   I  a, b, x  
b B  a, b 

I  a, b, x   x  I  a  1, b, x    1  x   I  a, b  1, x 

a b
I  a, b, x    I  a  1, b, x    I  a, b  1, x 
ab ab

 derivazione:

d I  a, b, x  x a 1  1  x 
b1

dx B  a, b 

Calcolo della funzione Beta incompleta

 La funzione Beta incompleta, I(a,b,x), può essere scritta sotto forma di
sviluppo in serie:
xa  1  x  B a  1, n  1 n 1 
b 
I  a, b, x    1   x 
a B a, b   n0 B a  b, n  1 

ma l’utilizzazione di tale espressione non risulta essere la scelta più

conveniente ai fine della valutazione numerica della funzione.

 Ben più efficiente si dimostra, infatti, l’impiego della rappresentazione sotto

forma in frazione continua della funzione Beta incompleta, I(a,b,x):
 xa 1  x
b
1
I  a, b, x   
a B  a, b  d1  x
1
d2  x
1
d  x
1 3
d4  x
1
1  ...
d 2m  1  x   
a  m a  b  m x
dove: m  0,1,2,...
 a  2m   a  2m  1
m b  m
d 2m  x   x m  1,2,3...
 a  2m  1  a  2m 

 Invero, questo sviluppo in frazione continua della funzione beta

incompleta converge con sufficiente rapidità solo per
0  x   a  1  a  b  2 

Tuttavia il calcolo di I  a, b, x  con  a  1  a  b  2   x  1 può essere

ricondotto a quello di I  a, b, x  con 0  x   a  1  a  b  2  utilizzando la
proprietà di simmetria:
I  a, b, x   1  I  b, a,1  x 

Esempio:
- dovendo calcolare: F=I(3.2,1.9,0.8), per cui è 0.8>(3.2+1)/ (3.2+1.9+2)
- si calcola: G=I(1.9,3.2,0.2), per cui è 0.2<(1.9+1)/ (1.9+3.2+2)
- e risulterà: F=1−G

 L’algoritmo per il calcolo della funzione Beta incompleta qui descritto è stato
utilizzato per la scrittura della routine BetInc.