从折叠正态分布采样是否等于从0截断的正态分布采样?


9

我希望从正常密度(例如均值= 1,标准差= 1)进行模拟,但只需要正值。

一种方法是从法线模拟并获取绝对值。我认为这是折叠的常态。

我在R中看到有用于截断随机变量生成的函数。如果我从截断法线(截断为0)进行模拟,这是否等效于折叠方法?

Answers:


10

是的,对于零均值正态分布,这些方法给出的结果相同。

只需检查概率在间隔上是否一致就足够了,因为它们会生成所有(Lebesgue)可测集的sigma代数。令为标准正态密度:给出标准正态变量位于区间的概率。然后,对于,截断概率是ΦΦ((a,b])(a,b]0ab

Φtruncated((a,b])=Φ((a,b])/Φ([0,])=2Φ((a,b])

(因为),并且折叠概率为Φ([0,])=1/2

Φfolded((a,b])=Φ((a,b])+Φ([b,a))=2Φ((a,b])

由于的对称性约为。Φ0

对于任何对称于且概率为分布,该分析均成立。 如果平均是非零,但是分布不是对称的,这两种方法都不能产生相同的结果,相同的计算显示。00

三种分布

此图显示了正态(1,1)分布(黄色),折叠的正态(1,1)分布(红色)和截断的正态(1,1)分布(蓝色)的概率密度函数。请注意,折叠后的分布不与其他两个共享相同的钟形曲线形状。蓝色曲线(截断的分布)是黄色曲线的正部分,按比例放大以具有单位面积,而红色曲线(折叠的分布)是黄色曲线的正部分和其负尾部的总和(如y轴)。


1
我喜欢这张照片。
卡尔

5

令。的分布肯定与。XN(μ=1,SD=1)X|X>0|X|

R中的快速测试:

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

这给出了以下内容。 模拟直方图

By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.