Jones 和 Faddy 偏 T 分布#
对 t 分布进行的偏度扩展，定义为 \(a>0\) 和 \(b>0\).
\begin{eqnarray*} f(x;a,b) & = & C_{a,b}^{-1} \left(1+\frac{x}{\left(a+b+x^2\right)^{1/2}}\right)^{a+1/2} \left(1-\frac{x}{\left(a+b+x^2\right)^{1/2}}\right)^{b+1/2} \\ F(x;a,b) & = & I\left(\frac{1+x(a+b+x^2)^{-1/2}}{2};a,b\right) \\ \mu_{n}^{\prime} & = & \frac{(a+b)^{n/2}}{2^nB(a,b)}\sum_{i=0}^{n}{n \choose i}(-1)^iB\left(a+\frac{n}{2}-i, b-\frac{n}{2}+i\right) \end{eqnarray*}
其中 \(C_{a,b}=2^{a+b-1}B(a,b)(a+b)^{1/2}\)，\(B\) 是 scipy.special.beta 的 Beta 函数，并且只要 \(a>n/2\) 且 \(b>n/2\)，矩 \(\mu_{n}^{\prime}\) 的公式就成立。
当 \(a<b\) 时，分布呈负偏，而当 \(a>b\) 时，分布呈正偏。如果 \(a=b\)，则我们恢复了具有 \(2a\) 自由度的 t 分布。
参考文献#
M.C. Jones 和 M.J. Faddy。“t 分布的偏度扩展，及其应用”英国皇家统计学会会刊，B 系列（统计方法）65，第 1 期 (2003): 159-174。 DOI:10.1111/1467-9868.00378