Phân phối sự khác biệt giữa hai phân phối bình thường


20

Tôi có hai hàm mật độ xác suất của phân phối bình thường:

f1(x1|μ1,σ1)=1σ12πe(xμ1)22σ12

f2(x2|μ2,σ2)=1σ22πe(xμ2)22σ22

Tôi đang tìm hàm mật độ xác suất của khoảng cách giữa và . Tôi nghĩ điều đó có nghĩa là tôi đang tìm hàm mật độ xác suất của. Đúng không? Làm thế nào để tôi tìm thấy điều đó?x 2 | x 1 - x 2 |x1x2|x1x2|


Nếu đây là bài tập về nhà xin vui lòng sử dụng self-studythẻ. Chúng tôi chấp nhận các câu hỏi bài tập về nhà, nhưng chúng tôi xử lý chúng một chút khác nhau ở đây.
Shadowtalker

Ngoài ra, tôi không muốn trở thành "anh chàng đó" nhưng bạn đã thử Google chưa? "Sự khác biệt giữa các bản phân phối bình thường" đã tìm cho tôi một câu trả lời khá nhiều ngay lập tức.
Shadowtalker

@ssdecontrol không, không phải bài tập về nhà, nhưng nó là cho một dự án sở thích, vì vậy tôi không ngại phải tự mình tìm hiểu một số thứ nếu tôi đi đúng hướng. Tôi đã thử google, nhưng sự hiểu biết của tôi về vấn đề này rất hạn chế đến mức tôi có thể sẽ không nhận ra nó nếu nó ở ngay trước mặt tôi. với dấu ngoặc kép tôi đã tìm thấy rất nhiều thứ tương tự như "sự khác biệt giữa phân phối bình thường và x" đối với một số x.
Martijn

Câu trả lời:


25

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=X2X1μ=μ2μ1σ2=σ12+σ22(X1,X2)

Z=Xμσ=X2X1(μ2μ1)σ12+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

|X2X1|=|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=y2πe12(λy)cosh(λy)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)=x22πe12(λx2)cosh(λx2)dx2x2.

Đơn giản hóa điều này và sau đó thay đổi kích thước bằng cho mật độ mong muốn,σ

f|X|(x)=1σ2πcosh(xμσ2)exp(x2+μ22σ2).

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|=|X2X1|μ1=1,μ2=5,σ1=4,σ2=1f|X|

Nhân vật

Các Rmã 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)

Làm thế nào điều này sẽ khác nếu tôi muốn có được sự khác biệt bình phương? Ví dụ: nếu tôi muốn ? (f1(.)f2(.))2
user77005

1
@ user77005 Câu trả lời cho điều đó là trong bài viết của tôi: đó là một phân phối chi bình phương không trung tâm. Theo liên kết để biết chi tiết.
whuber

21

Tôi đang cung cấp một câu trả lời bổ sung cho câu trả lời của @whuber theo nghĩa là những gì một người không thống kê (tức là một người không biết nhiều về phân phối chi-vuông không trung tâm với một mức độ tự do, v.v.) có thể viết, và rằng một tân sinh viên có thể theo dõi tương đối dễ dàng.

Mượn giả định về sự độc lập cũng như ký hiệu từ câu trả lời của người bán hàng , trong đó và . Do đó, với , và tất nhiên, với . Nó theo sau sự khác biệt đối với mà μ = μ 1 - μ 2 σ 2 = σ 2 1 + σ 2 2 x 0 F | Z | ( x )Z=X1X2N(μ,σ2)μ=μ1μ2σ2=σ12+σ22x0

F|Z|(x)P{|Z|x}=P{xZx}=P{x<Zx}since Z is a continuous random variable=FZ(x)FZ(x),
F|Z|(x)=0x<0x
f|Z|(x)xF|Z|(x)=[fZ(x)+fZ(x)]1(0,)(x)=[exp((xμ)22σ2)σ2π+exp((x+μ)22σ2)σ2π]1(0,)(x)=exp(x2+μ22σ2)σ2π(exp(xμσ2)+exp(xμσ2))1(0,)(x)=1σ2πcosh(xμσ2)exp(x2+μ22σ2)1(0,)(x)
là kết quả chính xác giống như trong câu trả lời của người đánh bóng, nhưng đến trong suốt hơn.

1
+1 Tôi luôn muốn thấy các giải pháp hoạt động từ các nguyên tắc và giả định cơ bản nhất có thể.
whuber

1

Phân phối của một sự khác biệt của hai biến thể phân phối bình thường X và Y cũng là một phân phối bình thường, giả sử X và Y là độc lập (cảm ơn Mark đã nhận xét). Đây là một dẫn xuất: http://mathworld.wolfram.com/N normalDifferenceDistribution.html

Ở đây bạn đang hỏi sự khác biệt tuyệt đối, dựa trên câu trả lời của người bán hàng và nếu chúng tôi giả sử sự khác biệt về trung bình của X và Y là 0, thì đó chỉ là một phân phối bình thường với mật độ gấp hai lần (cảm ơn Dilip cho nhận xét).


3
Bạn và Wolfram Mathworld đang ngầm giả định rằng 2 phân phối bình thường (biến ngẫu nhiên) là độc lập. Sự khác biệt thậm chí không nhất thiết phải được phân phối bình thường nếu 2 biến ngẫu nhiên bình thường không chia đôi bình thường, điều này có thể xảy ra nếu chúng không độc lập ..
Mark L. Stone

4
Ngoài giả định được Mark chỉ ra, bạn cũng đang bỏ qua thực tế là các phương tiện khác nhau. Một nửa trường hợp bình thường chỉ hoạt động khi sao cho sự khác biệt có nghĩa là . 0μ1=μ20
Dilip Sarwate

Cảm ơn bạn đã bình luận của bạn. Bây giờ tôi đã sửa đổi câu trả lời của mình dựa trên ý kiến ​​của bạn và câu trả lời của bạn.
yuqian
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.