İki gaussianın ağırlıklı karışımının varyansı nedir?


38

Ben anlamına ile iki normal dağılımlar A ve B var ki ve μ B ve sapmalar σ A ve σ B . I ağırlıkları kullanılarak bu iki dağılımların ağırlıklı karışımını almak isteyen p ve q burada 0 p 1 ve q = 1 - s . Bu karışımın ortalamasının μ A B = ( p × μ A ) + ( q × μ B ) olacağını biliyorumμbirμBσbirσBpq0p1q=1-pμbirB=(pxμbir)+(qxμB).

Varyans ne olabilir?


Erkek ve dişi boy dağılımı için parametreleri bilsem somut bir örnek olabilirdi. % 60 erkek olan bir odama sahip olsaydım, tüm oda için beklenen ortalama yüksekliği üretebilirdim, peki ya varyans?


Re terminoloji: Karışım sadece bir ortalama ve varyansa sahiptir; Bunları “beklenen” olarak nitelendirmenin bir anlamı yoktur, ve q'nun rastgele değişkenler olarak düşünülmesi gerektiğini ima etmediğiniz sürece . pq
whuber

İki gauss dağılımının karışımının tanımlanabilir olduğunu biliyorum. Ancak iki dağıtım aynı e-postalara sahipse? Yani :, iki normal dağılımın aynı araçla ve farklı standart sapmalarla karışımı tanımlanabilir mi? Bu bağlamda kağıtlar var mı? Şimdiden teşekkürler

1
Burada cevaplara benzer bir soru var ( KOVARYALAR
hplieninger 17:16

Yanıtlar:


62

Varyans, ikinci anın eksi ilk anın karesidir, bu nedenle karışım anlarının hesaplanması için yeterlidir.

Genel olarak, ve sabit (rastgele olmayan) ağırlıklar p i ile dağılımları göz önüne alındığında , karışımın PDF değerifbenpben

f(x)=Σbenpbenfben(x),

hangi herhangi bir an için hemen aşağıda ok

μ(k)=Ef[xk]=ΣbenpbenEfben[xk]=Σbenpbenμben(k).

Yazdım için k t h anından f ve ^ ı ( k ) i için k t h anından f iμ(k)kthfμben(k)kthfben .

Bu formülleri kullanarak, varyans yazılabilir

Var(f)=μ(2)(μ(1))2=ipiμi(2)(ipiμi(1))2.

Varyansları halinde Aynı şekilde, olarak verilmiştir σ 2 i , daha sonra μ ( 2 ) i = σ 2 ı + ( u ( 1 ) i ) 2 karışımı varyans sağlayarak, f açısından yazılacak bileşenlerinin varyansları ve araçlarıfiσi2μi(2)=σi2+(μi(1))2f

Var(f)=ipi(σi2+(μi(1))2)(ipiμi(1))2=benpbenσben2+Σbenpben(μben(1))2-(Σbenpbenμben(1))2.

Bu, (ağırlıklı) ortalama varyansı artı ortalama kare eksi ortalama ortalamanın karesidir. Kare alma bir dışbükey işlev olduğu için, Jensen Eşitsizliği, ortalama kare ortalamasının, ortalama ortalamanın karesinden daha az olamayacağını ileri sürer. Bu, ifade eden formül anlamak sağlar karışımın varyans sapma karışımıdır artı aracının (ağırlıklı) dispersiyon için hesap, negatif olmayan bir terim.

Senin durumunda varyans

pbirσbir2+pBσB2+[pbirμbir2+pBμB2-(pbirμbir+pBμB)2].

Bunun iki varyansın ağırlıklı bir karışımı olduğunu yorumlayabiliriz, pbirσbir2+pBσB2 , genel karışım ortalamasına göre bireysel araçlardan kaymaları hesaba katan , artı (mutlaka pozitif) bir düzeltme teriminin yorumlayabiliriz.

Bu varyansın, soruda belirtildiği gibi verileri yorumlamadaki faydası şüphelidir, çünkü karışım dağılımı Normal olmayacaktır (ve esasen ondan ayrılabildiği ölçüde, iki yüzlülük sergileyecek kadar).


8
Özellikle, olduğuna dikkat ederek, son ifadeniz σ 2 = μ ( 2 ) - μ 2 = ppbir+pB=1 . σ2=μ(2)-μ2=pbirσbir2+pBσB2+pbirpB(μbir-μB)2
Ilmari Karonen

2
Biz bir olay (a karışımı yoğunluğu için bir olasılık açıklama empoze yapmak Ya da, probabiity ait s A ve koşullu yoğunluğu X verilen bir edilir , N ( koşullu varyans ortalama artı Koşullu varyans toplamıdır Ortalama, ikincisi ayrık bir RV.birpbirXbir isekoşulluyoğunluğu X verilen bir c = oda olduğu N ( μ B , σ 2 B ) ), daha sonra var ( X )N-(μbir,σbir2)Xbirc=BN-(μB,σB2)(X) değerlerin ile μ A , μ B olasılıkları ile p ve q ve köşeli parantezler içinde ifade kolaylıkla olduğu kabul edilmiştir E [ Y 2 ] - ( E [ Y ] ) 2 . Yμbir,μBpqE[Y2]-(E[Y])2
Dilip Sarwate

1
@ Neodim Tanımı gereği, varyans eksi ortalama kare eksi ikinci andır. Bu nedenle, ikinci an varyans artı ortalama karedir.
whuber

1
@ Neodim kullanın ( X ) = μ . E(X)=μ
whuber

1
@Kiran Bazı durumlarda karışım Normal görünebilir , ancak olmayacak. Bunu görmenin bir yolu, burada verilen formülleri kullanarak aşırı kurtozunu hesaplamaktır. Tüm standart sapmalar eşit olmadıkça sıfır olmayacaktır - bu durumda "karışım" ilk etapta gerçekten bir karışım değildir.
whuber
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.