T-dağıtılmış rasgele değişkenlerin karelerinin toplamının dağılımı


11

Kuyruk üssü ile T dağıtılmış rastgele değişkenlerin karelerinin toplamının dağılımına bakıyorum . X, rv olduğunda, , için Fourier dönüşümü bana önceki kare için bir çözüm verir . αX2F(t)F(t)n

F(t)=0exp(itx2)((αα+x2)α+12α B(α2,12))dx

İle , çözelti için Fourier ters bir yapılacak ters mümkün ama hantal ve imkansız . Yani soru şudur: T-dağılımlı rastgele değişkenlerin örnek varyansının dağılımı veya standart sapması üzerinde çalışmalar yapıldı mı? (Ki-kare Gauss için ne olur? Teşekkür ederim.α=3F(t)n

(Olası Çözüm) Fisher dağıtılmış olduğunu anladım , bu nedenle Fisher dağıtılan değişkenlerin toplamına bakacağım.X2F(1,α)

Ortalama Karakteristik Fonksiyonlar kaynaktan (olası çözüm) özetlenebilir , bir aynı ilk iki anlar vardır zaman dağıtım bu mevcuttur. Bu nedenle u kare kökü ile ve bir olasılık dağılımı içinde bir değişken değişikliği yapmakla birlikte, n-örnek T değişkenlerinin standart sapmasının yoğunluğu yaklaşık olarak şu değerlere yakınlaştırılabilir: X, 2 F ( n , α ) g ( u ) = 2 α α / 2 N N / 2 u , n - 1 ( α + n u 2 ) - αnX2F(n,α)

g(u)=2αα/2nn/2un1(α+nu2)α2n2B(n2,α2)

1
F F ( 1 , α )T2 , dağılımıdır. Bağımsız dağılımlı değişkenlerin toplamının ortalaması ve varyansı kolayca türetilir, ancak dağılım kapalı formda mevcut değildir. Bkz bu soruyu bazı detaylar için. Bağlantılı kağıdı faydalı bulabilirsiniz. Karakteristik fonksiyon F için wikipedia sayfasında da verilmiştir. [T-dağıtılmış değişkenlerin örnek varyansı oldukça farklı bir sorudur.]FF(1,α)
Glen_b -Ricatate Monica

Yanıtlar:


7

Sorunuzla ilgili bir açıklama (bana iki ilişkili, ancak farklı bölüm var gibi görünüyor): (1) bağımsız kare toplamı rasgele değişkenlerin toplamını ve (2) örneklemeyi arıyorsunuz dağılımından çizilen rastgele bir örneğin varyansının (veya ilgili standart sapmanın) dağılımı (muhtemelen (1) hakkında soru sorma nedeniniz).t α t αn tαtα

Bağımsız Kare Toplamı Değişkenlerinin Dağılımıtα

Eğer (bağımsız) rasgele değişkenler df, o zaman yanlış olduğunu (ki ikinci "olası çözümünüzde" iddia ettiğiniz şeydir). Bu, her birinin ilk anı dikkate alınarak kolayca doğrulanır (ikincisinin ilk anı, ilk anın katıdır). Titαtαi=1nTi2F(n,α)n

İlk "olası çözümünüzdeki" hak talebi doğru: . Karakteristik fonksiyonlara başvurmak yerine, dağılımının karakterizasyonu, standart normal değişken olduğu oranının dağılımı olarak nitelendirilirken daha şeffaf olduğunu düşünüyorum. ve , bağımsız olarak serbestlik derecelerine sahip ki-kare bir değişkendir . Bu oranın karesi daha sonra kendi serbestlik derecelerine göre ölçeklendirilmiş iki bağımsız ki kare değişkeninin oranıdır, yani ileTi2F(1,α)tZU/αZUαZV/1U/αV=Z2bir dağılımının standart karakterizasyonu (pay df 1'e eşittir ve payda df alfa'ya eşittir ).F(1,α)α

Yukarıdaki ilk paragrafta ilk anlarda yaptığım not düşünüldüğünde, [ Burada dağıtım için aynı ifadeyi ve bu dağılıma sahip rastgele bir değişkeni kullanarak gösterimi biraz kötüye kullandım.]. İlk momentler eşleşirken, ikinci merkezi momentler ( için ilk ifadenin varyansı, ikinci ifadenin varyansından daha azdır) - bu nedenle bu iddia da yanlıştır. [Bununla birlikte, kare toplanırken beklediğimiz sonuç olan gözlemlemek ilginçtir (standart). normal değişir.]i=1nTi2nF(n,α)α>4limαnF(n,α)=χn2

Dağıtımından Örnekleme Yaparken Varyansın Örnekleme Dağılımıtα

Yukarıda yazdıklarım dikkate alındığında, "n-örnek T değişkenlerinin standart sapmasının yoğunluğu" için elde ettiğiniz ifade yanlıştır. Bununla birlikte, doğru dağılım olsa bile , standart sapma sadece kareler toplamının kare kökü değildir ( yoğunluğunuza varmış gibi göründüğünüz gibi ). Bunun yerine (ölçeklendirilmiş) örnekleme dağılımını . Normal durumda, bu ifadenin LHS'si kare normal değişkenlerin toplamı olarak yeniden yazılabilir (karenin içindeki terim, normalde dağıtılan normal değişkenlerin doğrusal bir kombinasyonu olarak yeniden yazılabilir). tanıdıkF(n,α)g(u)χ 2 t ti=1n(TiT¯)2=i=1nTi2nT¯2χ2 dağıtımı. Ne yazık ki, değişkenlerinin doğrusal bir kombinasyonu (aynı serbestlik derecelerinde bile) olarak dağıtılmaz , bu nedenle benzer bir yaklaşım kullanılamaz.tt

Belki ne göstermek istediğinizi yeniden düşünmelisiniz? Örneğin bazı simülasyonları kullanarak hedefe ulaşmak mümkün olabilir. Ancak, sadece ilk anının sonlu olduğu bir durum olan olan bir örnek belirtirsiniz , bu nedenle simülasyon bu tür hesaplamalarda yardımcı olmaz. F ( 1 , α )α=3F(1,α)


Teşekkürler Mark; aslında ilk iki an korunmasına rağmen evrişim bozulur. Ki-kareyi deneyecek ve geri dönecek.
Nero

Sorumu yeniden ifade ettim. Yoksa sayfada başka bir yerde değişiklik yapmalı mıyım?
Nero

Nero - sorunuzdaki değişiklikler soruda görünmelidir. Bu yardımcı olursa, sorunun soruda nasıl değiştiğini her zaman bildirebilirsiniz (yine de, sorunun ve yanıtların tüm düzenleme geçmişinin gerektiğinde mevcut olduğunu unutmayın).
Glen_b -Manica Monica

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