Câu hỏi này chỉ có thể được trả lời như đã nêu bằng cách giả sử hai biến ngẫu nhiên và được điều chỉnh bởi các phân phối này là độc lập. X 2X1X2 X= X 2 - X 1 μ= μ 2 - μ 1 σ 2 = σ 2 1 + σ 2 2 ( X 1 , X 2 ) Điều này tạo ra sự khác biệt của họ Bình thường với trung bình và phương sai . (Giải pháp sau đây có thể dễ dàng được khái quát hóa cho bất kỳ phân phối chuẩn bivariate nào của .) Do đó, biếnX= X2- X1μ = μ2- μ1σ2= σ21+ σ22( X1, X2)
Z= X- μσ= X2- X1- ( μ2- μ1)σ21+ σ22------√
có phân phối chuẩn thông thường (nghĩa là, với giá trị trung bình bằng 0 và phương sai đơn vị) và
X= σ( Z+ μσ) .
Cách diễn đạt
| X2- X1| = | X| = X2---√= σ( Z+ μσ)2--------√
thể hiện sự khác biệt tuyệt đối như là một phiên bản thu nhỏ của căn bậc hai của phân phối chi bình phương không trung tâm với một mức độ tự do và tham số phi tập trung . Một phân phối chi bình phương không trung tâm với các tham số này có yếu tố xác suấtλ = ( μ / σ)2
f( y) dy= y√2 π--√e12( - λ - y)cosh( λ y--√) dyy, y > 0.
Viết cho thiết lập sự tương ứng một-một giữa và căn bậc hai của nó, dẫn đến x > 0 yy= x2x > 0y
f( y) dy= f( x2) d( x2) = x2--√2 π--√e12( - λ - x2)cosh( λ x2---√) dx2x2.
Đơn giản hóa điều này và sau đó thay đổi kích thước bằng cho mật độ mong muốn,σ
f| X|( x ) = 1σ2π--√cosh( x μσ2) điểm kinh nghiệm( - x2+ μ22 σ2) .
Kết quả này được hỗ trợ bởi các mô phỏng, chẳng hạn như biểu đồ 100.000 bản vẽ độc lập này(được gọi là "x" trong mã) với các tham số . Trên đó được vẽ đồ thị của , trùng khớp với các giá trị biểu đồ.μ 1 = - 1 , μ 2 = 5 , σ 1 = 4 , σ 2 = 1 f | X || X| = | X2- X1|μ1= - 1 , μ2= 5 , σ1= 4 , σ2= 1f| X|
Các R
mã cho mô phỏng này sau.
#
# Specify parameters
#
mu <- c(-1, 5)
sigma <- c(4, 1)
#
# Simulate data
#
n.sim <- 1e5
set.seed(17)
x.sim <- matrix(rnorm(n.sim*2, mu, sigma), nrow=2)
x <- abs(x.sim[2, ] - x.sim[1, ])
#
# Display the results
#
hist(x, freq=FALSE)
f <- function(x, mu, sigma) {
sqrt(2 / pi) / sigma * cosh(x * mu / sigma^2) * exp(-(x^2 + mu^2)/(2*sigma^2))
}
curve(f(x, abs(diff(mu)), sqrt(sum(sigma^2))), lwd=2, col="Red", add=TRUE)
self-study
thẻ. Chúng tôi chấp nhận các câu hỏi bài tập về nhà, nhưng chúng tôi xử lý chúng một chút khác nhau ở đây.