T- 분포 된 랜덤 변수의 제곱의 합의 분포


11

꼬리 지수가 인 T 분포 랜덤 변수의 제곱합의 분포를보고 있습니다. X가 rv 인 경우, 의 푸리에 변환 인 는 컨볼 루션 앞의 제곱에 대한 솔루션을 제공합니다 . αX2F(t)F(t)n

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

함께 , 용액에 대해 푸리에 역변환 할 수 있지만, 역 다루기 힘들고 불가능 . 따라서 문제는 다음과 같습니다. 표본 분산의 분포 또는 T- 분포 랜덤 변수의 표준 편차에 대한 연구가 수행 되었습니까? (카이 제곱이 가우시안에 해당하는 것은 StudentT에게있을 것입니다). 감사합니다.α=3F(t)n

(가능한 해결책) 가 Fisher 분포 되어 있음을 알았 으므로 Fisher 분포 변수의 합을 살펴볼 것입니다.X2F(1,α)

(가능한 해결책) 특성 함수로부터 summed 의 평균은 이들이 존재할 때 분포 의 처음 두 모멘트가 동일 합니다. 따라서 u를 제곱근으로하고 확률 분포 내에서 변수를 변경하면 n- 표본 T 변수의 표준 편차 밀도는 다음과 같이 근사 할 수 있습니다. nX2F(n,α)

g(u)=2αα/2nn/2un1(α+nu2)α2n2B(n2,α2)

1
T2 는 분포입니다. 독립 분포 변수 의 합의 평균과 분산 은 쉽게 도출되지만 분포는 닫힌 형태로 제공되지 않습니다. 자세한 내용은 이 질문 을 참조 하십시오. 연결된 용지가 유용 할 수 있습니다. 특징적인 함수는 또한 F에 대한 wikipedia 페이지에서 제공됩니다. [t- 분산 변수의 표본 분산은 다소 다른 질문입니다.]FF(1,α)
Glen_b-복지국 Monica

답변:


7

귀하의 질문에 대한 설명 (2 가지 관련이 있지만 다른 부분 인 것 같습니다) : (1) 독립 제곱 된 무작위 변수 의 합의 분포 및 (2) 샘플링 분포 에서 추출한 무작위 표본의 분산 (또는 관련 표준 편차) 분포 (아마도 (1)에 대한 이유).n tαtα

독립 제곱 변수 의 합의 분포tα

만약 (독립적 인) 랜덤 가진 변수 DF 그때는 거짓이 (어느 두 번째 "가능한 솔루션"에서 주장하는 것 같습니다. 이것은 각각의 첫 번째 순간을 고려하여 쉽게 확인할 수 있습니다 (첫 번째 순간은 첫 번째 순간의 배입니다). Titαtαi=1nTi2F(n,α)n

첫 번째 "가능한 솔루션"의 주장은 맞습니다 : . 특성 함수에 의지하지 않고, 분포 의 특성을 비율의 분포로 고려할 때이 결과가 더 투명하다고 생각합니다. 여기서 는 표준 정규 변수입니다. 와 와 카이 제곱 변수 의 독립적 인 자유도, . 이 비율의 제곱은 다음의 각 자유도만큼 스케일링 개의 독립 변수 카이 제곱의 비율 즉 와Ti2F(1,α)tZU/αZUαZV/1U/αV=Z2 분포 의 표준 특성입니다 (분자 df는 1이고 분모 df는 ).F(1,α)α

위의 첫 번째 단락에서 첫 순간에 작성한 메모를 고려할 때 있습니다. 분포에 대해 동일한 표현과 분포를 갖는 랜덤 변수를 사용하여 약간의 표기법을 남용했습니다.]. 첫 번째 모멘트가 일치하지만 두 번째 중심 모멘트는 일치하지 않습니다 ( 의 경우 첫 번째 식의 분산이 후자의 식의 분산보다 작음). 따라서이 주장도 거짓입니다. [즉, 를 관찰하는 것이 흥미 롭습니다 . 이는 제곱을 합산 할 때 예상되는 결과입니다 (표준) 정상적인 변이.]i=1nTi2nF(n,α)α>4limαnF(n,α)=χn2

분포 에서 샘플링 할 때 분산의 표본 분포tα

위에서 쓴 것을 고려할 때 "n- 표본 T 변수의 표준 편차 밀도"에 대해 얻은 표현이 올바르지 않습니다. 그러나 가 정확한 분포 였더라도 표준 편차는 단순히 제곱의 합의 제곱근이 아닙니다 ( 밀도 에 도달하는 데 사용 된 것처럼 ). 대신 의 (스케일링 된) 샘플링 분포를 찾고 있습니다. . 정상적인 경우이 식의 LHS를 제곱 정규 변수의 합으로 다시 작성할 수 있습니다 (사각 내부의 용어는 다시 정규 분포를 따르는 정규 변수의 선형 조합으로 다시 쓸 수 있음). 익숙한F(n,α)g(u)i=1n(TiT¯)2=i=1nTi2nT¯2χ2 분포. 불행하게도, 변수 의 선형 조합 (동일한 자유도를 가짐)은 분포되지 않으므로 유사한 접근 방식을 이용할 수 없습니다.tt

아마도 당신은 당신이 보여주고 싶은 것을 재고해야합니까? 예를 들어 일부 시뮬레이션을 사용하여 목표를 달성 할 수 있습니다. 그러나 의 첫 번째 모멘트 만 유한 한 상황 인 예제를 표시 하므로 시뮬레이션은 그러한 모멘트 계산에 도움이되지 않습니다. α=3F(1,α)


고마워 마크; 실제로 처음 두 순간이 보존되었지만 회선이 고장납니다. 카이 제곱을 시도하고 되돌립니다.
Nero

나는 내 질문을 되풀이했다. 아니면 페이지의 다른 곳에 수정 사항을 게시해야합니까?
Nero

Nero-질문에 대한 변경 사항이 질문에 나타납니다. 도움이되는 경우 질문에서 질문이 어떻게 변경되었는지 항상 알 수 있습니다 (필요한 경우 질문 및 답변의 전체 편집 기록을 사용할 수 있음을 명심하십시오).
Glen_b-복지 주 모니카

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