我有两个正态分布的概率密度函数:
和
我正在寻找和之间分离的概率密度函数。我认为这意味着我正在寻找| x_1-x_2 |的概率密度函数。。那是对的吗?我怎么找到那个?
我有两个正态分布的概率密度函数:
和
我正在寻找和之间分离的概率密度函数。我认为这意味着我正在寻找| x_1-x_2 |的概率密度函数。。那是对的吗?我怎么找到那个?
Answers:
只能通过假设由这些分布控制的两个随机变量和是独立的来回答这个问题。X 2 X= X 2 - X 1 μ= μ 2 - μ 1 σ 2 = σ 2 1 + σ 2 2( X 1, X 2) 这使得它们的差值正常,均值且方差。(以下解决方案可以轻松地推广为任何二元正态分布。)因此,变量
具有标准正态分布(即均值和单位方差为零)并且
表达方式
表现出绝对差异作为具有一个自由度和非中心性参数的非中心卡方分布的平方根的缩放版本。具有这些参数的非中心卡方分布具有概率元素
为写可以在和它的平方根之间建立一一对应的关系,结果是 x > 0 y
对此进行简化,然后按重新缩放,即可得到所需的密度,
此结果得到仿真的支持,例如,的100,000次独立绘制的直方图 (在代码中称为“ x”),其参数为。在其上绘制了,它与直方图值恰好重合。μ 1 = - 1 ,μ 2 = 5 ,σ 1 = 4 ,σ 2 = 1 ˚F | X |
R
此仿真的代码如下。
#
# 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)
我提供的答案与@whuber的答案相辅相成,可以说是非统计学家(例如,对一个自由度的非中心卡方分布了解不多的人)可能写的内容,而且新手可以相对容易地跟随。
借用独立性的假设以及whuber答案的符号,其中 和。因此,对于, ,当然,对于,。关于区别在于 μ = μ 1 - μ 2 σ 2 = σ 2 1 + σ 2 2 X ≥ 0 ˚F | Z | (x )
假设X和Y是独立的,则两个正态分布变量X和Y的差值的分布也是正态分布(感谢Mark的评论)。这是派生词:http : //mathworld.wolfram.com/NormalDifferenceDistribution.html
在这里,您根据whuber的答案询问绝对差,并且如果我们假设X和Y的均值差为零,那么它只是密度的两倍的正态分布的一半(感谢Dilip的评论)。
self-study
标签。我们接受家庭作业问题,但是在这里我们对它们的处理有些不同。