Распределение гауссовских соотношений: производные, лежащие в основе


28

Я работаю с двумя независимыми нормальными дистрибутивами и , со средствами и и и .У μ х μ у σ 2 х σ 2 уИксYμИксμYσИкс2σY2

Я заинтересован в распределении их отношения . Ни ни не имеют среднего значения нуля, поэтому не распределяется как Коши.X Y ZZзнак равноИкс/YИксYZ

Мне нужно найти CDF для , а затем взять производную от CDF по , , и .μ х μ у σ 2 х σ 2 уZμИксμYσИкс2σY2

Кто-нибудь знает бумагу, где они уже были рассчитаны? Или как это сделать самому?

Я нашел формулу для CDF в газете 1969 года , но принимать эти производные определенно будет огромной болью. Может быть, кто-то уже сделал это или знает, как это легко сделать? Мне в основном нужно знать признаки этих производных.

Эта статья также содержит аналитически более простое приближение, если в основном положительный. Я не могу иметь это ограничение. Однако, может быть, аппроксимация имеет тот же знак, что и истинная производная даже вне диапазона параметров?Y


4
Я добавил для тебя. Вы написали «сигма», но упомянули, что это были отклонения, поэтому я сделал их сигма-квадрат. Убедитесь, что он по-прежнему говорит, что вы хотите спросить. TЕИкс
gung - Восстановить Монику

3
en.wikipedia.org/wiki/Ratio_distribution имеет функцию плотности вероятности.
Дуглас Заре

2
Это тот же PDF, что и в статье выше. Я пытаюсь взять производную от CDF по отношению к основной музыке и сигмам.
ABC

2
Найденная Дэвидом Хинкли формула pdf полностью в замкнутой форме. Таким образом, вы можете использовать эти производные по одному шагу за раз. Мне на самом деле любопытно, что делать такие деривации, потому что нет причин, по которым знак должен быть постоянным равномерно по действительным числам ...
Сиань

2
@ABC Вы можете найти плотность в уравнении 1 этой статьи . Я работал над этим некоторое время назад, и это согласуется с результатами Хинкли и Марсаглии . Это можно вывести с помощью грубой силы, как предлагает Дуглас Заре (я сделал это, только рекомендовал, если вам действительно нужно это сделать). Икс/Y

Ответы:


1

5
Добро пожаловать на сайт, @Quantum. Не могли бы вы дать краткое изложение этих статей, чтобы читатели могли судить, являются ли они тем, что ищут, не открывая и не читая каждый?
gung - Восстановить Монику

@ gung Да, я возражаю ... Шучу. Насколько мне известно , это новейшие статьи по этой теме, содержащие выражение для плотности Тема не так актуальна, поэтому, вероятно, этот список актуален, если вы не читаете его в 2527 году.Zзнак равноИкс/Y
Quantum

4
Квант - это не решает проблему @ Gung. Ответы, содержащие только ссылки, обычно не принимаются. Гунг спросил, не могли бы вы «дать краткое резюме этих работ» (что означает «в вашем ответе»). Ваше общее описание в комментарии недостаточно. Пожалуйста, дайте краткое описание каждой ссылки (если возможно, индивидуально, а не коллективно), в которой будет указано, почему вы ее включили / почему она актуальна. В таком случае ваш потенциально полезный ответ рискует быть преобразованным в комментарий - как уже произошло с более ранними ответами только на ссылки на этот вопрос.
Glen_b

Я не понимаю, почему ожидание соотношения не существует. Если и Y совместно нормально распределены со средним, отличным от нуля, то среднее значение Z = XXY определяется какxZзнак равноИксY, что мне не хватает? ИксYп(Икс,Y)dИксdY
Рой

То, что вы пропускаете, является фактом, что плотность непрерывна и положительна в нуле, так что там генерируются тяжелые хвосты ...Y
kjetil b halvorsen

0

Подумайте об использовании символического математического пакета, такого как Mathematica, если у вас есть лицензия, или Sage, если у вас его нет.

Если вы просто делаете числовую работу, вы также можете просто рассмотреть численное дифференцирование.

В то время как утомительно, это смотрит прямо вперед. То есть все задействованные функции легко вычисляются по производным. Вы можете использовать численное дифференцирование, чтобы проверить свой результат, когда вы закончите, чтобы убедиться, что у вас есть правильная формула.


0

μИкс

pratio <- function(z, mu_x=1.0, mu_y=1.0,var_x=0.2, var_y=0.2) {
    sd_x <- sqrt(var_x)
    sd_y <- sqrt(var_y)

    a <- function(z) {
        sqrt(z*z/var_x+1/var_y)
    }

    b <- function(z) {
        mu_x*z/var_x + mu_y/var_y
    }

    c <- mu_x^2/var_x + mu_y^2/var_y

    d <- function(z) {
        exp((b(z)^2 - c*a(z)^2)/(2*a(z)^2))
    }


    t1 <- (b(z)*d(z)/a(z)^3)
    t2 <- 1.0/(sqrt(2*pi)*sd_x*sd_y)
    t3 <- pnorm(b(z)/a(z)) - pnorm(-b(z)/a(z))
    t4 <- 1.0/(a(z)^2*pi*sd_x*sd_y)
    t5 <- exp(-c/2.0)
    return(t1*t2*t3 + t4*t5)
}

# Integrates to 1, so probably no typos.
print(integrate(pratio, lower=-Inf, upper=Inf))

cdf_ratio <- function(x, mu_x=1.0, mu_y=1.0,var_x=0.2, var_y=0.2) {
    integrate(function(x) {pratio(x, mu_x, mu_y, var_x, var_y)}, 
        lower=-Inf, upper=x, abs.tol=.Machine$double.eps)$value
} 

# Numerical differentiation here is very easy:
derv_mu_x <- function(x, mu_x=1.0, mu_y=1.0,var_x=0.2, var_y=0.2) {
    eps <- sqrt(.Machine$double.eps)
    left <- cdf_ratio(x, mu_x+eps, mu_y, var_x, var_y)
    right <- cdf_ratio(x, mu_x-eps, mu_y, var_x, var_y)
    return((left - right)/(2*eps))
} 
Используя наш сайт, вы подтверждаете, что прочитали и поняли нашу Политику в отношении файлов cookie и Политику конфиденциальности.
Licensed under cc by-sa 3.0 with attribution required.