Добрый день! Это продолжение моего раннего вопроса:
topic43790.htmlМне удалось чуть чуть продвинуться, но возникли другие грабли. Напомню и конкретизирую суть главного вопроса.
Пусть

- последовательность независимых и одинаково распределенных случайных величин, плотнотость распределения каждой из которых следующая:

где

, и

- Бета функция;

- это плотность соответствующая Бета распределению второго рода (см.
http://en.wikipedia.org/wiki/Beta%20pri ... stribution) с параметрами

и

. Конечная цель состоит в том, чтобы вычислить сумму:

где

,

.
Пытаюсь решить задачу прямо. Пусть

фиксировано. Тогда, поскольку

то задача сводится к нахождению плотности распределения случайной величины

. На эту тему есть насколько статей, все они используют т.н. Mellin transform (см.
http://en.wikipedia.org/wiki/Mellin_transform), независимость

, и следующее свойство каждой

как сл.в. с Бета распределением второго рода с параметрами

и

:
![$$
\mathbb{E}[X_i^s]=\frac{\mathtt{B}(c+s,c+1-s)}{\mathtt{B}(c,c+1)}.
$$ $$
\mathbb{E}[X_i^s]=\frac{\mathtt{B}(c+s,c+1-s)}{\mathtt{B}(c,c+1)}.
$$](https://dxdy-04.korotkov.co.uk/f/3/a/5/3a5760987494d312ead1dc186fbc95f582.png)
В результате, плотность распределения случайной величины

оказывается:

где

- это

-функция Мейера (см.
http://en.wikipedia.org/wiki/Meijer_G-function) с соответствующими параметрами, и

- Гамма функция.
Далее, используя определенные свойства этой функции (которые можно найти в любом справочнике или на той же странице в Wikipedia), можно заключить:

Это фактически и есть ответ. Однако, можно ли как-нибудь упростить эту сумму? Например, если бы знать, что

в сумме есть

-ая степень какой-то константы (которая зависит от

), то сумма сводилась бы ряду Тейлора для

. Проблема в том, что контурный интеграл в функции

берется от функции у которой полюса имеют кратность отличную от 1 и сложные. Может быть кто-нибудь работал уже с

функцией, и может как-то помочь в упрощении этой суммы?
Все конечно хорошо, сумму можно вычислить численно. Но

-функция оказывается очень капризная, например пакет Mathematica хотя и предоставляет возможность с ней работать, как оказалось, далеко не всегда ее правильно считает. А пакет MATLAB и вовсе ее не предоставляет. Потому и хотелось бы упростить эту сумму, чтобы ее сделать более удобной для практический вычислений.
Спасибо за помощь!