T分布随机变量平方和的分布


11

我正在查看T分布随机变量平方和的分布,其尾指数为。其中X是RV,傅立叶变换为,给我的卷积之前为方形的溶液。 αX2F(t)F(t)n

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

在,解决方案是可行的,但笨拙且不可能对傅立叶逆。因此,问题是:是否已对样本分布或T分布随机变量的标准偏差的分布进行了研究?(对于学生来说,卡方对高斯就是什么)。谢谢。α=3F(t)n

(可能的解决方案)我发现是Fisher分布的,因此将查看Fisher分布变量的总和。X2F(1,α)

(可能的解决方案)根据特征函数,当求和的的平均值 存在分布时,它们的前两个矩相同。因此,利用u的平方根并在概率分布内进行变量的变化,可以用以下近似估计n个样本T变量的标准偏差的密度: nX2F(n,α)

g(u)=2αα/2nn/2un1(α+nu2)α2n2B(n2,α2)

1
F F 1 α T2是。容易得出独立的分布变量之和的均值和方差,但是该分布不能以封闭形式提供。有关更多详细信息,请参见此问题。您可能会发现链接的纸张很有用。F的维基百科页面上也提供了特征函数。[t分布变量的样本方差是一个完全不同的问题。]FF(1,α)
Glen_b -Reinstate Monica 2015年

Answers:


7

澄清您的问题(在我看来,这是两个相关但不同的部分):您正在寻找(1)独立的平方随机变量之和的分布,以及(2)抽样从分布中抽取的随机样本的方差(或相关标准偏差)的分布(大概是您询问(1)的原因)。ααn tαtα

独立平方变量之和的分布tα

如果是具有 df的(独立)随机变量,则(是您似乎在第二个“可能的解决方案”中声称的内容。通过考虑每个时刻的第一个瞬间即可轻松验证这一点(后者的第一个瞬间是第一个瞬间的倍)。 Titαtαi=1nTi2F(n,α)n

您的第一个“可能解决方案”中的要求是正确的:。我认为,当考虑将分布的特征描述为比率其中是标准正态变量)时,该结果比使用特征函数要透明得多和是具有卡方可变自由度,独立的。然后,该比率的平方就是两个独立的卡方变量的比率,这些变量按其各自的自由度进行缩放,即,Ti2F(1,α)tZU/αZUαZV/1U/αV=Z2,这是分布的标准表征(分子df等于1,分母df等于)。F(1,α)α

考虑到我在上面第一段中的第一刻所做的注释,似乎更好的说法可能是 [通过对分布使用相同的表达式以及具有该分布的随机变量,在这里略微滥用了符号。] 当第一时刻匹配时,第二中心时刻却不匹配(对于,第一个表达式的方差小于后一个表达式的方差),因此该声明也是错误的。[话虽这么说,有趣的是,这是我们求和平方(标准)时的结果正常变量。]i=1nTi2nF(n,α)α>4limαnF(n,α)=χn2

从分布采样时方差的采样分布tα

考虑到我上面写的内容,您为“ n个样本T变量的标准偏差的密度”获得的表达式是错误的。但是,即使是正确的分布,标准偏差也不只是平方和的平方根(因为您似乎曾经习惯于得出密度)。相反,您将寻找的(缩放)采样分布。。在正常情况下,此表达式的LHS可以重写为平方正态变量的总和(平方内的项可以重写为正态变量的线性组合,再次以正态分布),从而导致熟悉的F(n,α)g(u)i=1n(TiT¯)2=i=1nTi2nT¯2χ2分布。不幸的是,变量(即使具有相同的自由度)的线性组合没有像那样分布,因此无法利用类似的方法。tt

也许您应该重新考虑您想要展示的内容?例如,可以使用某些模拟来达到目标​​。但是,您确实以表示了一个示例,在这种情况下,只有的一阶矩是有限的,因此模拟对此类矩计算无济于事。 α=3F(1,α)


谢谢马克;确实,尽管保留了前两个时刻,但是卷积分解了。将尝试卡方并还原。
Nero

我改掉了我的问题。还是应该在页面其他位置发布修改内容?
Nero

Nero-对问题的更改应出现在问题中。如果有帮助,您总是可以在问题中指出问题的变化方式(尽管请记住,如果需要,可以使用问题和答案的整个编辑历史记录)。
Glen_b-恢复莫妮卡

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.