Функция плотности вероятности | |||
Кумулятивная функция распределения | |||
Параметры | степени свободы | ||
---|---|---|---|
Поддерживать | |||
CDF | с Q-функцией Маркума | ||
Иметь в виду | |||
Дисперсия | |||
Асимметрия | |||
Бывший. эксцесс | |||
MGF | |||
CF |
В теории вероятностей и статистике , в нецентральном распределения хи-квадрат (или нецентральном хи-квадрат распределения, нецентральная распределения ) является нецентральная обобщение на хи-квадрат . Это часто возникает при анализе мощности статистических тестов, в которых нулевое распределение является (возможно, асимптотически) распределением хи-квадрат; Важными примерами таких тестов являются тесты отношения правдоподобия .
Фон [ править ]
Пусть будет k независимых , нормально распределенных случайных величин со средними и единичными дисперсиями. Тогда случайная величина
распределяется согласно нецентральному распределению хи-квадрат. Он имеет два параметра: который определяет количество степеней свободы (т.е. количество ), и который связан со средним значением случайных величин следующим образом:
иногда называют параметром нецентральности . Обратите внимание, что некоторые ссылки определяют другие способы, например, половину суммы, указанной выше, или ее квадратный корень.
Это распределение возникает в многомерной статистике как производная многомерного нормального распределения . В то время как центральный распределение хи-квадрат является квадратом нормой из случайного вектора с распределением (т.е. квадрат расстояния от начала координат до точки , взятой наугад из этого распределения), то нецентральная является квадрат нормы случайного вектора с распределение. Вот нулевой вектор длины k , а - единичная матрица размера k .
Определение [ править ]
Функция плотности вероятности (pdf) определяется выражением
где распределяется как хи-квадрат со степенями свободы.
Из этого представления видно, что нецентральное распределение хи-квадрат представляет собой взвешенную по Пуассону смесь центральных распределений хи-квадрат. Предположим , что случайная величина J имеет распределение Пуассона со средним значением , и условное распределение по Z заданной J = я является хи-квадрат с к + 2 я степенями свободы. Тогда безусловное распределение по Z не является центральной хи-квадрат с K степенями свободы и параметром нецентральности .
В качестве альтернативы PDF-файл можно записать как
где - модифицированная функция Бесселя первого рода, заданная формулой
Используя связь между функциями Бесселя и гипергеометрическими функциями , PDF-файл можно также записать как: [1]
Siegel (1979) конкретно обсуждает случай k = 0 ( нулевые степени свободы ), когда в этом случае распределение имеет дискретную составляющую в нуле.
Свойства [ править ]
Функция создания моментов [ править ]
Производящая момент функция дается выражением
Моменты [ править ]
Первые несколько сырых моментов :
Первые несколько центральных моментов :
П - й кумулянт является
Следовательно
Кумулятивная функция распределения [ править ]
Опять же, используя соотношение между центральным и нецентральным распределениями хи-квадрат, кумулятивная функция распределения (cdf) может быть записана как
где - кумулятивная функция распределения центрального распределения хи-квадрат с k степенями свободы, которое определяется выражением
- где - нижняя неполная гамма-функция .
Q-функция Маркума также может быть использована для представления КОРА. [2]
Аппроксимация (в том числе для квантилей) [ править ]
Абдель-Ати [3] выводит (как «первое приближение») нецентральное приближение Вильсона-Хильферти:
приблизительно нормально распределен , т. е.
что довольно точно и хорошо адаптируется к нецентральности. Кроме того , становится для , на (центральной) хи-квадрат случае.
Шанкаран [4] обсуждает ряд приближений в замкнутой форме для кумулятивной функции распределения . В более ранней работе [5] он вывел и сформулировал следующее приближение:
куда
- обозначает интегральную функцию распределения из стандартного нормального распределения ;
Это и другие приближения обсуждаются в одном из последующих учебников. [6]
Для заданной вероятности эти формулы легко инвертировать, чтобы получить соответствующее приближение для вычисления приблизительных квантилей.
Вывод из pdf [ править ]
Получить функцию плотности вероятности проще всего, выполнив следующие шаги:
- Поскольку имеют единичные отклонения, их совместное распределение сферически симметрично, вплоть до сдвига местоположения.
- Сферическая симметрия , то следует , что распределение зависит от средств только через квадрат длину . Поэтому без ограничения общности можно взять и .
- Теперь выведите плотность (т.е. случай k = 1). Простое преобразование случайных величин показывает, что
- где - стандартная нормальная плотность.
- Разложите член cosh в ряду Тейлора. Это дает взвешенное по Пуассону смешанное представление плотности, все еще для k = 1. Индексы случайных величин хи-квадрат в приведенном выше ряду в этом случае равны 1 + 2 i .
- Наконец, для общего случая. Мы предположили, без ограничения общности, что они являются стандартными нормальными и поэтому имеют центральное распределение хи-квадрат с ( k - 1) степенями свободы, независимо от . Использование взвешенного по Пуассону представления смеси для и того факта, что сумма случайных величин хи-квадрат также является хи-квадрат, завершает результат. Индексы в ряду равны (1 + 2 i ) + ( k - 1) = k + 2 i, если требуется.
Связанные дистрибутивы [ править ]
- Если это хи-квадрат распределяется затем также нецентральная хи-квадрат распределенный:
- Линейная комбинация независимых нецентральных переменных хи-квадрат имеет обобщенное распределение хи-квадрат .
- Если и и не зависят от, то нецентральная F -распределенная переменная развивается как
- Если , то
- Если , то принимает распределение Райса с параметром .
- Нормальное приближение: [7] если , то в распределении как либо, либо .
- Если и , где независимы, то где .
- В общем, для конечного набора сумма этих случайных величин с нецентральным распределением хи-квадрат имеет распределение где . Это можно увидеть, используя следующие функции, производящие моменты: по независимости случайных величин. Осталось подключить MGF для нецентральных распределений хи-квадрат в продукт и вычислить новый MGF - это оставлено как упражнение. В качестве альтернативы его можно рассматривать с помощью интерпретации в разделе «Предпосылки» выше как суммы квадратов независимых нормально распределенных случайных величин с дисперсией 1 и заданными средними значениями.
- Комплекс нецентральная хи-квадрат распределения имеет применение в радиосвязи и радарных систем. [ Править ] Пусть независимые скалярные комплексные случайные величины с нецентральной круговой симметрией, средства и блок дисперсии: . Тогда реальная случайная величина распределяется согласно сложному нецентральному распределению хи-квадрат:
-
- куда
Преобразования [ править ]
Шанкаран (1963) обсуждает трансформации формы . Он анализирует разложения кумулянт в до срока и показывает , что следующие выборы плодоовощных разумных результатов:
- делает второй кумулянт примерно независимым от
- делает третий кумулянт примерно независимым от
- делает четвертый кумулянт примерно независимым от
Кроме того, более простое преобразование может использоваться как преобразование стабилизации дисперсии, которое производит случайную величину со средним значением и дисперсией .
Использование этих преобразований может быть затруднено из-за необходимости извлекать квадратные корни из отрицательных чисел.
Имя | Статистика |
---|---|
распределение хи-квадрат | |
нецентральное распределение хи-квадрат | |
распределение ци | |
нецентральное распределение ци |
События [ править ]
Использовать в интервалах допуска [ править ]
Двусторонние интервалы допуска нормальной регрессии могут быть получены на основе нецентрального распределения хи-квадрат. [8] Это позволяет рассчитать статистический интервал, в который с некоторым уровнем достоверности попадает указанная доля отобранной совокупности.
Заметки [ править ]
- ^ Muirhead (2005) Теорема 1.3.4
- ^ Наттолл, Альберт Х. (1975): Некоторые интегралы, включающие функцию Q M , IEEE Transactions on Information Theory , 21 (1), 95–96, ISSN 0018-9448
- ^ Абдель-Аты, S. (1954). Приближенные формулы для процентных точек и интеграла вероятности нецентрального распределения χ2 Biometrika 41, 538–540. DOI: 10.2307 / 2332731
- ^ Шанкаран, М. (1963). Аппроксимации нецентрального распределения хи-квадрат Биометрика , 50 (1-2), 199–204
- ^ Sankaran, М. (1959). «О нецентральном распределении хи-квадрат», Биометрика 46, 235–237.
- ^ Джонсон и др. (1995) Непрерывные одномерные распределения, раздел 29.8
- ^ Muirhead (2005), страницы 22–24 и проблема 1.18.
- ↑ Дерек С. Янг (август 2010). «Допуск: пакет R для оценки интервалов допуска» . Журнал статистического программного обеспечения . 36 (5): 1–39. ISSN 1548-7660 . Проверено 19 февраля 2013 года . , стр.32
Ссылки [ править ]
- Абрамовиц М., Стегун И. А. (1972), Справочник по математическим функциям , Dover. Раздел 26.4.25.
- Джонсон, Н.Л., Коц, С., Балакришнан, Н. (1995), Непрерывные одномерные распределения, Том 2 (2-е издание) , Wiley. ISBN 0-471-58494-0
- Мюрхед Р. (2005) Аспекты многомерной статистической теории (2-е издание). Вайли. ISBN 0-471-76985-1
- Siegel, AF (1979), "Нецентральное распределение хи-квадрат с нулевыми степенями свободы и проверка на однородность", Biometrika , 66, 381–386
- Нажмите, SJ (1966), "Линейные комбинации нецентральных хи-квадрат" переменными, Анналы математической статистики , 37 (2): 480-487, DOI : 10,1214 / АОМ / 1177699531 , JSTOR 2238621