У меня есть две функции плотности вероятности нормальных распределений:
и
Я ищу функцию плотности вероятности разделения между и . Я думаю, это означает, что я ищу функцию плотности вероятности, Это верно? Как мне это найти?
У меня есть две функции плотности вероятности нормальных распределений:
и
Я ищу функцию плотности вероятности разделения между и . Я думаю, это означает, что я ищу функцию плотности вероятности, Это верно? Как мне это найти?
Ответы:
На этот вопрос можно ответить, как указано, только если предположить, что две случайные величины и X 2, определяемые этими распределениями, независимы. Это делает их разность Normal со средним μ = μ 2 - μ 1 и дисперсией σ 2 = σ 2 1 + σ 2 2 . (Следующее решение может быть легко обобщено на любое двумерное нормальное распределение ( X 1 , X 2 .) Таким образом, переменная
имеет стандартное нормальное распределение (то есть с нулевым средним и единицей дисперсии) и
Выражение
демонстрирует абсолютную разницу как масштабированный вариант квадратного корня нецентрального распределения хи-квадрат с одной степенью свободы и параметром нецентральности . Нецентральное распределение хи-квадрат с этими параметрами имеет элемент вероятности
Запись для x > 0 устанавливает взаимно-однозначное соответствие между y и его квадратным корнем, что приводит к
Упрощение этого и затем изменение масштаба на дает желаемую плотность,
Этот результат подтверждается моделированием, таким как гистограмма 100 000 независимых розыгрышей (в коде он называется «x») с параметрами μ 1 = - 1 , μ 2 = 5 , σ 1 = 4 , σ 2 = 1 . На нем построен график f | X | , что точно совпадает со значениями гистограммы.
R
Код этого моделирования следующим образом .
#
# Specify parameters
#
mu <- c(-1, 5)
sigma <- c(4, 1)
#
# Simulate data
#
n.sim <- 1e5
set.seed(17)
x.sim <- matrix(rnorm(n.sim*2, mu, sigma), nrow=2)
x <- abs(x.sim[2, ] - x.sim[1, ])
#
# Display the results
#
hist(x, freq=FALSE)
f <- function(x, mu, sigma) {
sqrt(2 / pi) / sigma * cosh(x * mu / sigma^2) * exp(-(x^2 + mu^2)/(2*sigma^2))
}
curve(f(x, abs(diff(mu)), sqrt(sum(sigma^2))), lwd=2, col="Red", add=TRUE)
Я даю ответ, который дополняет ответ @whuber в том смысле, что может написать не статистик (то есть тот, кто мало знает о нецентральных распределениях хи-квадрат с одной степенью свободы и т. Д.), и что новичок может следовать относительно легко.
Распределение разности двух нормально распределенных переменных X и Y также является нормальным распределением, предполагая, что X и Y независимы (спасибо Марку за комментарий). Вот деривация: http://mathworld.wolfram.com/NormalDifferenceDistribution.html
Здесь вы спрашиваете абсолютную разницу, основанную на ответе whuber, и если мы предположим, что разница в среднем по X и Y равна нулю, это всего лишь половина нормального распределения с двукратной дисперсией (спасибо Дилипу за комментарий).
self-study
тег. Мы принимаем домашние вопросы, но здесь мы решаем их немного иначе.