Phân phối tỷ lệ Gaussian: Công cụ phái sinh nằm bên dưới 's và s


28

Tôi đang làm việc với hai bản phân phối bình thường X và , với các phương tiện và và phương sai và .Yμxμyσx2σy2

Tôi quan tâm đến việc phân phối tỷ lệ . Cả và đều không có giá trị trung bình bằng 0, vì vậy không được phân phối dưới dạng Cauchy.Z=X/YXYZ

Tôi cần tìm CDF của và sau đó lấy đạo hàm của CDF đối với ,Zμxμy , σx2σy2 .

Có ai biết một bài báo đã được tính toán không? Hay làm thế nào để tự làm điều này?

Tôi đã tìm thấy công thức cho CDF trong một bài báo năm 1969 , nhưng việc sử dụng các dẫn xuất này chắc chắn sẽ là một nỗi đau rất lớn. Có lẽ ai đó đã làm nó hoặc biết làm thế nào để dễ dàng? Tôi chủ yếu cần biết các dấu hiệu của các dẫn xuất này.

Bài viết này cũng chứa một xấp xỉ đơn giản hơn về mặt phân tích nếu chủ yếu là dương tính. Tôi không thể có hạn chế đó. Tuy nhiên, có thể phép tính gần đúng có cùng dấu với đạo hàm thực ngay cả ngoài phạm vi tham số?Y


4
Tôi đã thêm cho bạn. Bạn đã viết "sigma" nhưng đề cập rằng đây là những phương sai, vì vậy tôi đã biến chúng thành sigma bình phương. Hãy chắc chắn rằng nó vẫn nói những gì bạn muốn hỏi. TEX
gung - Phục hồi Monica

3
vi.wikipedia.org/wiki/Ratio_distribution có hàm mật độ xác suất.
Douglas Zare

2
Đó là cùng một bản PDF như trong bài báo trên. Tôi đang cố gắng lấy đạo hàm của CDF liên quan đến cơ bắp và sigmas cơ bản.
ABC

2
Công thức của pdf được tìm thấy bởi David Hinkley hoàn toàn ở dạng đóng. Vì vậy, bạn có thể thực hiện các dẫn xuất, từng bước một. Tôi thực sự tò mò về quan điểm của việc thực hiện các dẫn xuất như vậy vì không có lý do gì mà dấu hiệu phải liên tục thống nhất so với các số thực ...
Xi'an

2
@ABC Bạn có thể tìm thấy mật độ của trong phương trình 1 của bài viết này . Tôi đã làm việc về nó một thời gian trước và nó đồng ý với kết quả của Hinkley và kết quả của Marsaglia . Nó có thể được suy luận bằng sức mạnh vũ phu cũng như Douglas Zare gợi ý (tôi đã làm điều đó, chỉ khuyến nghị nếu bạn thực sự cần phải làm điều đó). X/Y

Câu trả lời:


1

5
Chào mừng đến với trang web, @Quantum. Bạn có phiền khi đưa ra một bản tóm tắt ngắn gọn về các bài viết này, để người đọc có thể đánh giá xem chúng có phải là thứ họ đang tìm kiếm mà không phải mở và đọc từng bài không?
gung - Phục hồi Monica

Z= =X/Y

4
Lượng tử - Điều đó không giải quyết mối quan tâm của @ gung. Câu trả lời chỉ liên kết thường không được chấp nhận. Gung đã hỏi liệu bạn có thể 'tóm tắt ngắn gọn về những giấy tờ này' (nghĩa là 'trong câu trả lời của bạn'). Mô tả tập thể của bạn trong một bình luận là không đủ. Vui lòng cung cấp một mô tả ngắn gọn về mỗi liên kết (nếu có thể, riêng lẻ, không gọi chung) sẽ cho biết lý do tại sao bạn đưa nó vào / tại sao nó liên quan. Vì nó có nguy cơ câu trả lời hữu ích tiềm năng của bạn được chuyển đổi thành một nhận xét - như đã xảy ra với các câu trả lời chỉ liên kết trước đó cho câu hỏi này.
Glen_b -Reinstate Monica

XYZ= =XYxyp(x,y)dxdy

y

0

Cân nhắc sử dụng gói toán học tượng trưng như Mathematica, nếu bạn có giấy phép hoặc Sage nếu bạn không có.

Nếu bạn chỉ làm công việc số, bạn cũng có thể chỉ xem xét phân biệt số.

Trong khi tẻ nhạt, nó nhìn thẳng về phía trước. Đó là, tất cả các hàm liên quan đều dễ dàng tính toán các dẫn xuất. Bạn có thể sử dụng phân biệt số để kiểm tra kết quả của mình khi hoàn thành để đảm bảo bạn có công thức đúng.


0

μx

pratio <- function(z, mu_x=1.0, mu_y=1.0,var_x=0.2, var_y=0.2) {
    sd_x <- sqrt(var_x)
    sd_y <- sqrt(var_y)

    a <- function(z) {
        sqrt(z*z/var_x+1/var_y)
    }

    b <- function(z) {
        mu_x*z/var_x + mu_y/var_y
    }

    c <- mu_x^2/var_x + mu_y^2/var_y

    d <- function(z) {
        exp((b(z)^2 - c*a(z)^2)/(2*a(z)^2))
    }


    t1 <- (b(z)*d(z)/a(z)^3)
    t2 <- 1.0/(sqrt(2*pi)*sd_x*sd_y)
    t3 <- pnorm(b(z)/a(z)) - pnorm(-b(z)/a(z))
    t4 <- 1.0/(a(z)^2*pi*sd_x*sd_y)
    t5 <- exp(-c/2.0)
    return(t1*t2*t3 + t4*t5)
}

# Integrates to 1, so probably no typos.
print(integrate(pratio, lower=-Inf, upper=Inf))

cdf_ratio <- function(x, mu_x=1.0, mu_y=1.0,var_x=0.2, var_y=0.2) {
    integrate(function(x) {pratio(x, mu_x, mu_y, var_x, var_y)}, 
        lower=-Inf, upper=x, abs.tol=.Machine$double.eps)$value
} 

# Numerical differentiation here is very easy:
derv_mu_x <- function(x, mu_x=1.0, mu_y=1.0,var_x=0.2, var_y=0.2) {
    eps <- sqrt(.Machine$double.eps)
    left <- cdf_ratio(x, mu_x+eps, mu_y, var_x, var_y)
    right <- cdf_ratio(x, mu_x-eps, mu_y, var_x, var_y)
    return((left - right)/(2*eps))
} 
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.