Gauss karışımı olarak Student t


23

Öğrenci t-dağılımını k>0 serbestlik derecesi ile kullanma, yer parametresi l ve yoğunluk parametresi s yoğunluğu olan

Γ(k+12)Γ(k2kπs2){1+k1(xls)}(k+1)/2,

Öğrenci t dağılımının, Gauss dağılımlarının bir karışımı olarak XN(μ,σ2) , ' nin bırakılması τ=1/σ2Γ(α,β)ve eklem yoğunluğunun birleştirilmesiyle marjinal yoğunluğu elde etmek için ? işlevleri olarak ortaya çıkan dağılımının parametreleri nelerdir ?f ( x | μ ) t μ , α , βf(x,τ|μ)f(x|μ)tμ,α,β

Eklem şartlı yoğunluğunu Gamma dağılımına entegre ederek analizde kayboldum.

Yanıtlar:


31

Normal dağılımın PDF'si

fμ,σ(x)=12πσe(xμ)22σ2dx

fakat cinsindenτ=1/σ2

gμ,τ(x)=τ2πeτ(xμ)22dx.

Gama dağılımının PDF'si

hα,β(τ)=1Γ(α)eτβτ1+αβαdτ.

Bu nedenle, kolay cebir ile hafifçe sadeleştirilmiş ürünleri,

fμ,α,β(x,τ)=1βαΓ(α)2πeτ((xμ)22+1β)τ1/2+αdτdx.

İç kısmı açık biçimde ve τ = 0 - τ = aralığına entegre edildiğinde onu bir Gama fonksiyonunun bir katı yapar . Bu nedenle bu integral hemen (bir Gamma dağılımının integralini bilerek elde edilir birlikçe olduğunu bilerek elde edilir), marjinal dağılımı verir.exp(constant1×τ)×τconstant2dττ=0τ=

fμ,α,β(x)=βΓ(α+12)2πΓ(α)1(β2(xμ)2+1)α+12.

Öngörülen kalıpla eşleşen çalışılıyor dağılımı gösterdiği , söz konusu hata var: Öğrenci t dağılımı için PDF aslında orantılı olduğunut

1ks(11+k1(xls)2)k+12

(gücü olan 2 değil, 1 ). Terimlerin eşleştirilmesi k = 2 α , l = μ ve s = 1 / √ anlamına gelir.(xl)/s21k=2αl=μ .s=1/αβ


Bu türev için Calculus'a gerek olmadığına dikkat edin: her şey Normal ve Gamma PDF'lerinin formüllerine bakmak, ürünler ve güçler içeren önemsiz cebirsel manipülasyonlar yapmak ve cebirsel ifadelerde (bu sırayla) eşleşen kalıpları yapmaktan ibaretti.


10
Bu cevaptan esinlenerek normal dağılımın bir karışımı olarak t dağılımının bir animasyonunu yaptım. Burada bulunabilir: sumsar.net/blog/2013/12/t-as-a-mixture-of-normals
Rasmus Bååth

1
@whuber: Teknik olarak, bu tür bir eşleştirme için, bilinen entegral formunu kullanarak gama yoğunluğunu bütünleştirebileceğiniz, hesabınızda her zaman gizli bir kullanım vardır. (Bu istatistikçinin brokoliyi et ve patateslerle karıştırıp gizlemesine eşdeğerdir.) Hesabı hesaplamanın akıllıca bir yolu!
Monica'yı

1

tkYYXt(k)XYΦ,where Y~IG(k/2,k/2),Φ is standard normal rv. I hope this could help you in some sense.


0

To simplify we assume mean 0. Using representation, we show the result for integer degrees of freedom.

1/τX=Y
is equivalent to a Gaussian mixture with that prior: conditioned on τ, Y is Gaussian with precision τ, and the prior τ is as desired. Then it remains to show that 1/τX is a t-distribution. We can write
τΓ(α,β)β2Γ(α,2)β2χ2(2α)
using a well-known result about gammas and Chi-squares (decompose a gamma as a sum of exponentials and combine the exponentials to normals to Chi squares) This in turn implies that
YX1(β/2)χ2(2α)
=Xαβχ2α2/(2α)
which is a scaled t with k=2α and s=1/αβ by variance of t. We can recenter our representation at μ and l would follow.

Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.