Öklid mesafesinin normal dağılıma rastgele iki değişken arasındaki dağılımı nedir?


41

Kesin konumları bilinmeyen ancak bilinen parametrelere sahip normal dağılımlara göre dağıtılmış (örneğin ve iki nesne verildiğini varsayalım . Bunların her ikisinin de iki değişkenli normlar olduğunu varsayabiliriz; öyle ki, konumlar koordinatları üzerinde bir dağılımla tanımlanır (yani, ve , sırasıyla ve için beklenen koordinatlarını içeren vektörlerdir ). Ayrıca nesnelerin bağımsız olduğunu varsayacağız.b N ( v , t ) ) ( x , y ) m v ( x , y ) a bbir~N-(m,s)b~N-(v,t))(x,y)mv(x,y)birb

Kare öklid mesafesinin bu iki nesne arasındaki dağılımının bilinen bir parametrik dağılım olup olmadığını bilen var mı? Veya bu fonksiyon için PDF / CDF'yi analitik olarak nasıl türetirsiniz?


4
Dört koordinatın da ilişkisiz olması koşuluyla, merkezi olmayan bir kare kare dağılımının bir çoğunu elde etmelisiniz. Aksi takdirde, sonuç çok daha karmaşık görünüyor.
whuber

@ merkezi olmayan chi-kare dağılımının parametrelerinin a, b nesnelerininkilerle nasıl ilişkili olduğuna dair sağlayabileceğiniz herhangi bir ayrıntı / işaretçi @whuber
Nick

4
@ Wikipedia makalesinin ilk birkaç paragrafında ayrıntıları belirtin . Karakteristik fonksiyonlar bakarak benzer bir sonucu olduğunu kurabilir değil tüm sapmaları aynıdır ya da bazı korelasyonların olduğunda kullanılabilir.
whuber

@ Nick, açıklık kazandırmak için, her ikisi de bir ve b değerleri ile rastgele vektörlerdir R,2 ?
mpiktas

1
Eğer @ Nick, a ve b ortaklaşa normal, sonra fark ab çok normaldir. O zaman senin problemin normal vektörlerin dağılımını bulmak. Googling Bu bağlantıyı buldum . Bu makale, çok özel bir durumda sizinki ile çakışan çok daha karmaşık bir problemi açıklamaktadır. Bu, sorunuza kesin bir cevap olduğu konusunda umut veriyor. Referanslar, nerede arama yapabileceğiniz konusunda daha fazla fikir verebilir.
mpiktas

Yanıtlar:


24

Bu sorunun cevabı, Mathai ve Provost'un (1992, Marcel Dekker, Inc.) rastgele değişkenlerdeki Kuadratik formlar kitabında bulunabilir .

Yorumlar açıklık olarak, dağıtım bulmalıyız Z = bir - b ortalama bir değişkenli normal dağılım aşağıdaki ^ ı ve kovaryans matrisi Σ . Bu, iki değişkenli rasgele değişken z'de ikinci dereceden bir formdur .S=z12+z22z=bir-bμΣz

Kısacası, z N p ( μ , Σ ) ve Q = p j = 1 z 2 j ' nin moment oluşturma fonksiyonunun E ( e t Q ) = e t olduğu -boyutlu durum için güzel bir genel sonuç p j = 1 b 2 j λ jpz~N-p(μ,Σ)

S=Σj=1pzj2
λ1,...,λsarasında özdeğerlerΣvebbir doğrusal fonksiyonudur^ ı. Kitapta bakınız Teoremi 3.2a.2 (sayfa 42) (biz burada varsayıyoruz yukarıda anılanΣolmayan tekil değildir). Yararlı bir başka gösterimi 3.1a.1 (sayfa 29) Q=pj=1'dir.
E(etS)=etΣj=1pbj2λj1-2tλjΠj=1p(1-2tλj)-1/2
λ1,...,λpΣbμΣu 1 , ... , u s iid N ( 0 , 1 ) .
S=Σj=1pλj(uj+bj)2
u1,...,upN-(0,1)

Kitaptaki 4. Bölümün tamamı, önemsiz olmayan yoğunlukların ve dağıtım işlevlerinin temsili ve hesaplanmasına ayrılmıştır. Ben sadece kitabın yüzeysel olarak aşinayım, ancak izlenimim, tüm genel temsillerin sonsuz seri açılımlar açısından olduğu yönünde.

λ1,λ2>0b1,b2R,

birbbir-b


1
Referans için teşekkürler, kitabı buldum ve yavaşça üzerinden geçmeye çalışıyorum
Nick

λj=σ2p=2bj2λjμj2

bjμj2

7

μd=μ1-μ2Σd=Σ1+Σ2 Σd=JΣ12JTΣ12=[Σ1Σ2]J=[+ben,-ben]

İkinci olarak, fark vektör uzunluğunun dağılımına veya Hoyt'un dağıtıldığı orijinden radyal mesafeye bakın :

İki değişkenli gerçek ortalama etrafındaki yarıçap, kutupsal koordinatlarda (yarıçap ve açı) yeniden yazılmış eşit olmayan değişkenlerle normal rastgele değişkeni ilişkilendirmiştir, bir Hoyt dağılımını izler. Pdf ve cdf kapalı formda tanımlanmıştır, sayısal kök bulma cdf ^ −1'i bulmak için kullanılır. Korelasyon 0 ise ve değişkenlikler eşitse Rayleigh dağılımına indirgenir.

Ballistipedia'dan taraflı bir farklılığa (kaydırılmış orijinli) izin verirseniz daha genel bir dağılım ortaya çıkar : Xy koordinatlarının dağılımları ve sonuçta ortaya çıkan radyal hata


2
+1, ancak sorunun, "Genel dava" olarak adlandırdığınız şeyle ilgilendiğini belirtmeye değer olduğunu düşünüyorum.
amip diyor Reinstate Monica

1

Neden test etmiyorsun?

set.seed(347)
x <- rnorm(10000)
y <- rnorm(10000)
x2 <- rnorm(10000)
y2 <- rnorm(10000)

qdf <- data.frame(x,y,x2,y2)
qdf <- data.frame(qdf,(x-x2)^2+(y-y2)^2)
colnames(qdf)[5] <- "euclid" 

plot(c(x,y),c(x2,y2))
plot(qdf$euclid)
hist(qdf$euclid) 
plot(dentist(qdf$euclid))

Arsa 1 Arsa 2 Arsa 3 Arsa 4


2
Özgün soruya yorum yapanlar, varyansların aynı olması ve değişkenlerin birbiriyle ilişkilendirilmemesi durumunda neye benzeyeceğini önceden belirtti. Belki de durumun olmadığı yerlere bir örnek vermek daha aydınlatıcı olurdu.
Andy W,

Böyle bir örnek verebilir misiniz?
Brandon Bertelsen

Yapmanız gereken tek şey, ilişkili ya da farklı varyansları olan x ve y değerlerini üretmektir. Farklı varyasyonlar olduğu gibi kodda da yapılabilir. MASS paketinden mvrnorm kullanarak belirtilen bir kovaryans matrisinden değerler üretebilirsiniz. Ayrıca "diş hekimi" işlevinin yukarıdaki kodda ne olduğundan emin değilim, belki "yoğunluk" olması gerekir.
Andy,

1
Muhtemelen, bunun neden böyle olduğunu (ve varyans / kovaryansları manipüle etmenin dağılımı nasıl değiştireceğini) görmek için matematikte çalışmanın aydınlatıcı olduğu söylenebilir. Benim için durumun neden sadece whuber tarafından belirtilen karakteristik fonksiyona bakarak böyle olduğu tamamen açık değil. Görünüşe göre rastgele değişkenleri eklemek, çıkarmak ve çarpmak için basit bir kurallar anlayışı bunun neden olduğunu anlamada size yardımcı olacaktır.
Andy
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.