Phân phối tỷ lệ của các biến ngẫu nhiên chi bình phương phụ thuộc


11

Giả sử rằng nơi X i ~ N ( 0 , σ 2 ) là độc lập.X=X1+X2++XnXiN(0,σ2)

Câu hỏi của tôi là, phân phối gì

Z=X2X12+X22++Xn2

theo? Tôi biết từ đây tỷ lệ của hai biến ngẫu nhiên chi bình phương được biểu thị là tuân theo bản phân phối Beta. Tôi nghĩ rằng điều này giả định độc lập giữaWY. Trong trường hợp của tôi, mẫu số củaZchứa các thành phần củaXbình phương.WW+YWYZX

Tôi nghĩ cũng phải tuân theo một biến thể của bản phân phối Beta nhưng tôi không chắc chắn. Và nếu giả định này là chính xác, tôi không biết làm thế nào để chứng minh điều đó.Z


6
Bởi vì sự phân bố của các mẫu số là bất biến theo phép quay, bạn có thể xoay để bằng X, làm giảm câu hỏi của bạn thành một cái gì đó quen thuộc :-). nX1
whuber

1
Tôi khá chắc chắn @whuber có nghĩa là chính xác những gì đã được gõ ở đó. Khi bạn nói 'người đề cử', bạn có nghĩa là 'tử số'?
Glen_b -Reinstate Monica

3
Khi bạn xoay bất cứ thứ gì bạn (theo định nghĩa) sẽ giữ nguyên chiều dài của nó. Do đó phương sai của bất kỳ phiên bản xoay của phải bằng phương sai của X , đó là 1 + 1 + + 1 = n : đó là nơi mà các XX1+1++1=nthuật ngữ n đến từ. n
whuber

1
@whuber Câu trả lời của bạn có vẻ rất thú vị nhưng tôi có một số nghi ngờ về nó. Khi bạn nói rằng tôi có thể xoay để trở thành bằng X, điều này về cơ bản có nghĩa là tôi có thể viết lại tử số củaZthànhnX 2 1 và do đó,chínhZbiến thànhn X 2 1nX1ZnX12Z . Bây giờ, nếu tôi giảW=X 2 1Y=X 2 2 ++X 2 n và từWYlà độc lập, tôi có thể giả định rằngZ=nWnX12X12+X22++Xn2W=X12Y=X22++Xn2WYβphân phối và vân vân. Tôi có nhận được điểm của bạn cho đến nay? Vì vậy, đây là sự nhầm lẫn của tôi. Trước khi sử dụng khái niệm bất biến xoay vòng và Sửa đổiZ=nWW+Yβ
ssah

2
@ssah Bạn mắc lỗi trong ứng dụng lý luận của tôi: không có trong mẫu số, phân phối của nó không còn là bất biến đối với các phép quay tùy ý của ( X 1 , giật , X n ) , và do đó, kết luận không còn nữa. X12(X1,,Xn),
whuber

Câu trả lời:


7

Bài này xây dựng các câu trả lời trong các ý kiến ​​cho câu hỏi.


Hãy để . Sửa bất kỳ e 1R n chiều dài đơn vị. Như một vector có thể luôn luôn được hoàn thành một cơ sở trực chuẩn ( e 1 , e 2 , ... , e n ) (bằng phương tiện của quá trình Gram-Schmidt , ví dụ). Sự thay đổi cơ sở này (từ thông thường) là trực giao: nó không thay đổi độ dài. Do đó, việc phân phốiX=(X1,X2,,Xn)e1Rn(e1,e2,,en)

(e1X)2||X||2=(e1X)2X12+X22++Xn2

không phụ thuộc vào . Lấy e 1 = ( 1 , 0 , 0 , ... , 0 ) chương trình này có sự phân bố giống nhưe1e1=(1,0,0,,0)

(1)X12X12+X22++Xn2.

Kể từ khi đang IID Bình thường, họ có thể được viết như σ lần IID biến bình thường tiêu chuẩn Y 1 , ... , Y n và hình vuông của họ là σ 2 lần Γ ( 1 / 2 ) phân phối. Kể từ khi tổng của n - 1 độc lập Γ ( 1 / 2 ) phân phốiΓ ( ( n - 1 ) / 2 )XiσY1,,Ynσ2Γ(1/2)n1Γ(1/2)Γ((n1)/2), chúng tôi đã xác định rằng phân phối của là phân phối của(1)

σ2Uσ2U+σ2V=UU+V

U=X12/σ2Γ(1/2)V=(X22++Xn2)/σ2Γ((n1)/2)(1/2,(n1)/2)XYX(1,K1)Y2K

X1++Xn=(1,1,,1)(X1,X2,,Xn)=ne1X

e1=(1,1,,1)/nZ(n)2=n(1/2,(n1)/2)n2

fZ(z)=n1n/2B(12,n12)(nz)n3z

(0,n)


100,000Zσ=1n=2,3,10

Nhân vật

Rsum(x)^2 / sum(x^2)Zxnrnormforapplyhistcurve

for (n in c(2, 3, 10)) {
  z <- apply(matrix(rnorm(n*1e5), nrow=n), 2, function(x) sum(x)^2 / sum(x^2))
  hist(z, freq=FALSE, breaks=seq(0, n, length.out=50), main=paste("n =", n), xlab="Z")
  curve(dbeta(x/n, 1/2, (n-1)/2)/n, add=TRUE, col="Red", lwd=2)
}
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.