접힌 정규 분포에서 추출한 값이 0에서 잘린 정규 분포에서 추출한 것과 동일합니까?


9

일반 밀도 (예 : mean = 1, sd = 1)로 시뮬레이션하고 싶지만 양수 값만 원합니다.

한 가지 방법은 법선에서 시뮬레이션하고 절대 값을 얻는 것입니다. 나는 이것을 접힌 법선이라고 생각합니다.

R에는 잘린 임의 변수 생성을위한 함수가 있습니다. 잘린 법선 (0에서 잘림)을 시뮬레이션하면 접힌 접근법과 동일합니까?

답변:


10

예, 접근 방식은 평균 제로 평균 분포에 대해 동일한 결과를 제공합니다 .

확률이 구간에 합의하는지 확인하면 충분합니다. 이는 모든 (Lebesgue) 측정 가능 세트의 시그마 대수를 생성하기 때문입니다. 허락하다Φ 표준 일반 밀도 여야합니다. Φ((,]) 표준 정규 변량이 구간에있을 확률을 제공합니다. (,]. 그런 다음0잘린 확률은

Φ잘린((,])=Φ((,])/Φ([0,])=2Φ((,])

(때문에 Φ([0,])=1/2)이고 접힌 확률은

Φ접힌((,])=Φ((,])+Φ([,))=2Φ((,])

대칭으로 인해 Φ0.

이 분석을 위해 보유하고 있는 대한 대칭 유통0 그리고 가능성이 제로입니다 0. 그러나 평균이 0이 아닌 경우 분포가 대칭 이 아니며 두 계산법이 동일한 계산 결과에 따라 동일한 결과를 제공 하지 않습니다 .

세 가지 분포

이 그래프는 법선 (1,1) 분포 (노란색), 접힌 법선 (1,1) 분포 (빨간색) 및 잘린 법선 (1,1) 분포 (파란색)에 대한 확률 밀도 함수를 보여줍니다. 접힌 분포가 특징적인 벨 커브 모양을 다른 두 가지와 어떻게 공유하지 않는지 참고하십시오. 파란색 곡선 (잘린 분포)은 노란색 곡선의 양수 부분이며, 단위 면적을 갖도록 확장되었으며, 빨간색 곡선 (접힌 분포)은 노란색 곡선의 양수 부분과 음의 꼬리 (주변에 반영된)의 합입니다. y 축).


1
나는 그림을 좋아한다.
Karl

5

허락하다 엑스(μ=1,에스=1). 분포엑스|엑스>0 확실히 그것과 동일하지 않습니다 |엑스|.

R의 빠른 테스트 :

x <- rnorm(10000, 1, 1)
par(mfrow=c(2,1))
hist(abs(x), breaks=100)
hist(x[x > 0], breaks=100)

이것은 다음을 제공합니다. 시뮬레이션 히스토그램

당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.