Phân phối tổng bình phương của các biến ngẫu nhiên phân bố T


11

Tôi đang xem xét phân phối tổng bình phương của các biến ngẫu nhiên phân bố T, với số mũ α . Trong đó X là rv, biến đổi Fourier cho X2 , F(t) cho tôi một giải pháp cho hình vuông trước khi tích chập F(t)n .

F(t)=0exp(itx2)((αα+x2)α+12α B(α2,12))dx

Với α=3 , giải pháp là có thể nhưng khó sử dụng và không thể đảo ngược để thực hiện một Fourier ngược cho F(t)n . Vì vậy, câu hỏi là: công việc đã được thực hiện trên phân phối phương sai mẫu hay độ lệch chuẩn của các biến ngẫu nhiên phân phối T? (Nó sẽ là cho StudentT những gì bình phương Chi cho Gaussian). Cảm ơn bạn.

(Giải pháp có thể) Tôi đã tìm ra rằng X2 là phân phối Fisher F(1,α) , do đó sẽ xem xét tổng các biến phân phối của Fisher.

(Giải pháp có thể) Từ các hàm đặc trưng, ​​trung bình của tổng X 2 có cùng hai thời điểm phân phối F ( n , α ) khi chúng tồn tại. Do đó với u căn bậc hai và thực hiện thay đổi biến trong phân phối xác suất, mật độ của độ lệch chuẩn của biến n mẫu T có thể xấp xỉ bằng: g ( u ) = 2 α α / 2 n n / 2 u n - 1 ( α + n u 2nX2F(n,α)

g(u)=2αα/2nn/2un1(α+nu2)α2n2B(n2,α2)

1
làphân phối F. Giá trị trung bình và phương sai của một tổng cácbiến phân phối F ( 1 , α ) độc lậpcó nguồn gốc dễ dàng, nhưng phân phối không có sẵn ở dạng đóng. Xemcâu hỏi nàyđể biết một số chi tiết. Bạn có thể tìm thấy giấy liên kết hữu ích. Hàm đặc trưng cũng được đưa ra tại trang wikipedia cho F. [Phương sai mẫu của các biến phân phối t là một câu hỏi khá khác nhau.]T2FF(1,α)
Glen_b -Reinstate Monica

Câu trả lời:


7

n tαtα

tα

Titαtαi=1nTi2F(n,α)n

Ti2F(1,α)tZU/αZUαZV/1U/αV=Z2F(1,α)α

i=1nTi2nF(n,α)α>4limαnF(n,α)=χn2, đó là kết quả mà chúng tôi mong đợi khi tính tổng các biến thiên bình thường (tiêu chuẩn) bình phương.]

Lấy mẫu phân phối phương sai Khi lấy mẫu từ một Phân phốitα

Xem xét những gì tôi đã viết ở trên, biểu thức bạn nhận được cho "mật độ của độ lệch chuẩn của các biến T mẫu n" là không chính xác. Tuy nhiên, ngay cả khi là phân phối chính xác, độ lệch chuẩn không chỉ đơn giản là căn bậc hai của tổng bình phương (như bạn dường như đã sử dụng để đến mật độ ). Thay vào đó, bạn sẽ tìm phân phối lấy mẫu (được chia tỷ lệ) của . Trong trường hợp bình thường, LHS của biểu thức này có thể được viết lại dưới dạng tổng của các biến bình thường bình phương (thuật ngữ bên trong hình vuông có thể được viết lại dưới dạng kết hợp tuyến tính của các biến thông thường được phân phối lại một lần nữa) dẫn đến Quen biếtF(n,α)g(u)i=1n(TiT¯)2=i=1nTi2nT¯2χ2 phân phối. Thật không may, một tổ hợp tuyến tính của các biến (thậm chí có cùng mức độ tự do) không được phân phối dưới dạng , vì vậy không thể khai thác một cách tiếp cận tương tự.tt

Có lẽ bạn nên xem xét lại những gì bạn muốn chứng minh? Có thể đạt được mục tiêu bằng cách sử dụng một số mô phỏng, ví dụ. Tuy nhiên, bạn chỉ ra một ví dụ với , tình huống chỉ có khoảnh khắc đầu tiên của là hữu hạn, do đó mô phỏng sẽ không giúp ích cho việc tính toán khoảnh khắc như vậy. α=3F(1,α)


Cảm ơn Mark; thực sự sự tích chập bị phá vỡ mặc dù hai khoảnh khắc đầu tiên được bảo tồn. Sẽ thử Chi-vuông và hoàn nguyên.
Nero

Tôi hỏi lại câu hỏi của tôi. Hoặc tôi nên đăng sửa đổi ở nơi khác trên trang?
Nero

Nero - những thay đổi cho câu hỏi của bạn sẽ xuất hiện trong câu hỏi. Bạn luôn có thể báo hiệu câu hỏi đã thay đổi như thế nào trong câu hỏi nếu điều đó có ích (mặc dù hãy nhớ rằng toàn bộ lịch sử chỉnh sửa của câu hỏi và câu trả lời có sẵn nếu cần).
Glen_b -Reinstate Monica

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.