Phát sinh phân phối Poisson bivariate


13

Gần đây tôi đã gặp phải phân phối Poisson bivariate, nhưng tôi hơi bối rối về cách nó có thể được bắt nguồn.

Phân phối được đưa ra bởi:

P(X=x,Y=y)=e(θ1+θ2+θ0)θ1xx!θ2yy!i=0min(x,y)(xi)(yi)i!(θ0θ1θ2)i

Từ những gì tôi có thể thu thập, thuật ngữ θ0 là thước đo tương quan giữa XY ; do đó, khi XY độc lập, θ0=0 và phân phối đơn giản trở thành sản phẩm của hai phân phối Poisson đơn biến.

Mang này trong tâm trí, sự nhầm lẫn của tôi được xác về thời hạn tổng kết - Tôi giả định thuật ngữ này giải thích mối tương quan giữa XY .

Dường như với tôi, summand tạo thành một số loại sản phẩm của các hàm phân phối tích lũy nhị thức trong đó xác suất "thành công" được đưa ra bởi (θ0θ1θ2) và xác suất "thất bại" được đưa ra bởi i!1min(x,y)i , vì (i!1min(x,y)i!)(min(x,y)i)=i!, nhưng tôi có thể thoát khỏi điều này.

Ai đó có thể cung cấp một số trợ giúp về cách phân phối này có thể được bắt nguồn? Ngoài ra, nếu nó có thể được bao gồm trong bất kỳ câu trả lời nào, làm thế nào mô hình này có thể được mở rộng sang một kịch bản đa biến (giả sử ba hoặc nhiều biến ngẫu nhiên), điều đó thật tuyệt!

(Cuối cùng, tôi đã lưu ý rằng có một câu hỏi tương tự được đăng trước đó ( Hiểu về phân phối Poisson bivariate ), nhưng đạo hàm không thực sự được khám phá.)


2
Không phải thuật ngữ đầu tiên có số mũ là thay vì ? e θ 1 + θ 2 + θ 0e(θ1+θ2+θ0)eθ1+θ2+θ0
Gilles

1
@Giles Xin lỗi, tôi đã đọc sai nhận xét của bạn ban đầu - vâng, bạn đã đúng; thuật ngữ nên đọc . Cảm ơn vì đã bắt được nó! e(θ1+θ2+θ0)
dùng9171

3
Nói chung, nó không phải là "the" cho các phiên bản phân phối đa biến, với một vài ngoại lệ thông thường (ví dụ "bình thường đa biến"). Có nhiều cách để có được các tiện ích mở rộng đa biến, tùy thuộc vào tính năng nào là quan trọng nhất để có. Các tác giả khác nhau có thể có các phiên bản đa biến khác nhau của các bản phân phối đơn biến chung. Vì vậy, nói chung, người ta có thể nói một cái gì đó như " một Poisson đa biến", hoặc 'Po-bivariate bivariate ". Đây là một thứ khá tự nhiên, nhưng không phải là duy nhất.
Glen_b -Reinstate Monica

2
(ctd) ... ví dụ: một số tác giả tìm kiếm một bản phân phối đa biến có khả năng phụ thuộc tiêu cực, một khả năng mà cái này không có.
Glen_b -Reinstate Monica

Câu trả lời:


17

Trong bản trình bày slide , Karlis và Ntzoufras định nghĩa Poisson bivariate là phân phối của trong đó độc lập có phân phối Poisson . Hãy nhớ lại rằng có một phương tiện phân phối như vậyX i θ i(X,Y)=(X1+X0,X2+X0)Xiθi

Pr(Xi=k)=eθiθikk!

chok=0,1,2,.

Sự kiện là sự kết hợp rời rạc của các sự kiện(X,Y)=(x,y)

(X0,X1,X2)=(i,xi,yi)

với tất cả làm cho cả ba thành phần không âm, từ đó chúng ta có thể suy ra rằng . Bởi vì độc lập xác suất của chúng nhân lên, từ đó0 i iX i0imin(x,y)Xi

F(θ0,θ1,θ2)(x,y)=Pr((X,Y)=(x,y))=i=0min(x,y)Pr(X0=i)Pr(X1=xi)Pr(X2=yi).

Đây là một công thức; chúng ta xong rồi. Nhưng để thấy rằng nó tương đương với công thức trong câu hỏi, hãy sử dụng định nghĩa phân phối Poisson để viết các xác suất này theo các tham số và (giả sử cả đều bằng 0) để trông càng nhiều càng tốt như sản phẩm :θiθ1,θ2Pr(X1=x)Pr(X2=y)

F(θ0,θ1,θ2)(x,y)=i=0min(x,y)(eθ0θ0ii!)(eθ1θ1xi(xi)!)(eθ2θ2yi(yi)!)=e(θ1+θ2)θ1xx!θ2yy!(eθ0i=0min(x,y)θ0ii!x!θ1i(xi)!y!θ2i(yi)!).

Nếu bạn thực sự muốn - nó có phần gợi ý - bạn có thể diễn đạt lại các thuật ngữ trong tổng bằng cách sử dụng các hệ số nhị thức Và , mang lại(xi)=x!/((xi)!i!)(yi)

F(θ0,θ1,θ2)(x,y)=e(θ0+θ1+θ2)θ1xx!θ2yy!i=0min(x,y)i!(xi)(yi)(θ0θ1θ2)i,

chính xác như trong câu hỏi


Tổng quát hóa các kịch bản đa biến có thể tiến hành theo nhiều cách, tùy thuộc vào tính linh hoạt cần thiết. Đơn giản nhất sẽ suy nghĩ về việc phân phối

(X1+X0,X2+X0,,Xd+X0)

đối với các biến thể phân tán Poisson độc lập . Để linh hoạt hơn, các biến bổ sung có thể được giới thiệu. Ví dụ: sử dụng các biến Poisson độc lập và xem xét phân phối đa biến của ,X0,X1,,XdηiY1,,YdXi+(Yi+Yi+1++Yd)i=1,2,,d.


1
thanh danh! Btw, không nên là thứ hai trong ngoặc đơn lớn trước bước cuối cùng là ? eθ0eθ2
Gilles

1
@Gilles Cảm ơn bạn đã bắt lỗi đánh máy - Tôi đã sửa nó. Số mũ ban đầu của cần phải là ; các trong ngoặc đơn là đúng. θ0+θ1θ1+θ2eθ0
whuber

@whuber Cảm ơn một triệu! Đó là một câu trả lời hoàn hảo!
dùng9171

@whuber Câu trả lời tuyệt vời! Tôi vẫn không thấy lý do tại sao sự kiện phải là sự kết hợp rời rạc của các sự kiện . Tôi đoán điều này chỉ đúng với . Có lẽ bạn có nghĩa là (thành phần khôn ngoan)? Nhưng điều đó có đủ để mô tả chức năng phân phối? (X,Y)=(x,y)(X0,X1,X2)=(i,xi,yi)i=0(X,Y)(x,y)
vanguard2k

@ vanguard2k Tôi không hiểu bình luận của bạn. Bạn có khẳng định những sự kiện đó không rời rạc không? (Tuy nhiên, chúng phải có, vì chúng có các giá trị riêng biệt của .) Hoặc bạn có khẳng định chúng không đầy đủ không? (Nếu vậy, bạn nghĩ giá trị nào của chưa bao gồm?)X0(X,Y)
whuber

4

Đây là một cách để rút ra phân phối poisson bivariate.

Đặt là các biến ngẫu nhiên độc lập với các tham số . Sau đó, chúng tôi xác định . Biến , chung cho cả một , làm cho cặp có mối tương quan. Sau đó, chúng ta phải tính toán xác suất khối lượng xác suất:X0,X1,X2θ0,θ1,θ2Y1=X0+X1,Y2=X0+X2X0Y1Y2(Y1,Y2)

P(Y1=y1,Y2=y2)=P(X0+X1=y1,X0+X2=y2)=x0=0min(y1,y2)P(X0=x0)P(X1=y1x0)P(X2=y2y0)=x0=0min(y1,y2)eθ0θ0x0x0!eθ1θ1y1x0(y1x0)!eθ2θ2y2x0(y2x0)!=eθ0θ1θ2θ1y1θ2y2x0=0min(y1,y2)(θ0θ1θ2)x0x0!(y1x0)(y2x0)

Hy vọng điều này sẽ giúp!

1
Xin chào Kjetil - Tôi đã khắc phục các sự cố với định dạng (nhưng, muốn thay đổi ít nhất có thể, để lại một số lỗi chính tả). Tôi không hiểu tại sao bạn lại đăng một bản sao của đạo hàm trong câu trả lời trước đó của tôi, đặc biệt là khi bạn mất một số yếu tố quan trọng trên đường đi khiến kết quả cuối cùng không chính xác. Có một điểm đặc biệt nào bạn đang cố gắng thực hiện? TEX
whuber

1
whuber: Tôi bắt đầu viết câu trả lời của mình trước khi câu trả lời của bạn được đăng! khác, tôi sẽ không viết nó.
kjetil b halvorsen
Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.