Распределение вероятностей
Распределение вероятностей
Масштабированный обратный хи-квадратФункция плотности вероятности |
Кумулятивная функция распределения |
Параметры |
|
---|
Поддерживать | |
---|
PDF | |
---|
CDF | |
---|
Иметь в виду | за |
---|
Режим | |
---|
Дисперсия | за |
---|
Асимметрия | за |
---|
Бывший. эксцесс | за |
---|
Энтропия |
|
---|
MGF | |
---|
CF | |
---|
Масштабируется обратного распределения хи-квадрат является распределение по х = 1 / ев 2 , где ˙s 2 представляет собой выборочное среднее квадратов v , независимых нормальных случайных величин, имеющих среднее 0 и обратная дисперсии 1 / сг 2 = T 2 . Таким образом, распределение параметризуется двумя величинами ν и τ 2 , называемыми числом степеней свободы хи-квадрат и параметром масштабирования , соответственно.
Это семейство масштабированных обратных распределений хи-квадрат тесно связано с двумя другими семействами распределений: обратным распределением хи-квадрат и обратным гамма-распределением . По сравнению с обратной распределения хи-квадрат, масштабированного распределение имеет дополнительный параметр Т 2 , который масштабирует распределение по горизонтали и вертикали, представляя обратную-дисперсию исходного основного процесса. Кроме того, масштабированное обратное распределение хи-квадрат представлено как распределение, обратное среднему значению квадратов отклонений ν, а не как обратное значение их суммы . Таким образом, два распределения имеют соотношение, что если
- тогда
По сравнению с обратным гамма-распределением масштабированное обратное распределение хи-квадрат описывает то же распределение данных, но с использованием другой параметризации , которая может быть более удобной в некоторых обстоятельствах. В частности, если
- тогда
Любая форма может использоваться для представления максимального распределения энтропии для фиксированного первого обратного момента и первого логарифмического момента .
Масштабированное обратное распределение хи-квадрат также имеет особое применение в байесовской статистике , в некоторой степени не связанное с его использованием в качестве прогнозного распределения для x = 1 / s 2 . В частности, масштабированное обратное распределение хи-квадрат может использоваться в качестве предшествующего сопряженного для параметра дисперсии нормального распределения . В этом контексте параметр масштабирования обозначается σ 0 2, а не τ 2 , и имеет другую интерпретацию. Приложение чаще представлялось с использованием формулировки обратного гамма-распределения ; однако некоторые авторы, в частности, вслед за Гельманоми другие. (1995/2004) утверждают, что параметризация обратного хи-квадрат более интуитивна.
Характеристика [ править ]
Функция плотности вероятности масштабированного обратного распределения хи-квадрат распространяется по области и имеет вид
где это степени свободы параметра и является параметром масштаба . Кумулятивная функция распределения:
где - неполная гамма-функция , - гамма-функция и - регуляризованная гамма-функция . Характеристическая функция является
где - модифицированная функция Бесселя второго рода .
Оценка параметров [ править ]
Оценка максимального правдоподобия из IS
Оценка максимального правдоподобия может быть найдена с помощью метода Ньютона на:
где - дигамма-функция . Первоначальную оценку можно найти, взяв формулу для среднего и решив ее для Пусть будет выборочным средним. Тогда начальная оценка для определяется как:
Байесовская оценка дисперсии нормального распределения [ править ]
Масштабированное обратное распределение хи-квадрат имеет второе важное применение в байесовской оценке дисперсии нормального распределения.
Согласно теореме Байеса , апостериорное распределение вероятностей для представляющих интерес величин пропорционально произведению априорного распределения величин и функции правдоподобия :
где D представляет данные, а I представляет любую исходную информацию о σ 2, которая у нас уже может быть.
Самый простой сценарий возникает, если среднее значение μ уже известно; или, в качестве альтернативы, если ищется условное распределение σ 2 , для конкретного предполагаемого значения μ.
Тогда член правдоподобия L (σ 2 | D ) = p ( D | σ 2 ) имеет знакомый вид
Объединение этого с инвариантным к изменению масштабом априорным значением p (σ 2 | I ) = 1 / σ 2 , которое можно утверждать (например, следуя Джеффрису ) как наименее информативное из возможных априорных значений для σ 2 в этой задаче, дает комбинированную апостериорную вероятность
Эта форма может быть распознана как форма масштабированного обратного распределения хи-квадрат с параметрами ν = n и τ 2 = s 2 = (1 / n ) Σ (x i -μ) 2
Гельман и др. Отмечают, что повторное появление этого распределения, ранее замеченное в контексте выборки, может показаться примечательным; но с учетом выбора приора «результат неудивителен». [1]
В частности, выбор априорного значения, инвариантного к изменению масштаба для σ 2, приводит к тому, что вероятность для отношения σ 2 / s 2 имеет ту же форму (независимо от обусловливающей переменной) при условии s 2, что и при условии σ 2 :
В случае теории выборки, обусловленной σ 2 , распределение вероятностей для (1 / с 2 ) представляет собой масштабированное обратное распределение хи-квадрат; и поэтому распределение вероятностей для σ 2, обусловленное s 2 , с учетом априорного значения, не зависящего от масштаба, также является масштабированным обратным распределением хи-квадрат.
Использовать как предварительную информативную [ править ]
Если о возможных значениях σ 2 известно больше , распределение из масштабированного семейства обратных хи-квадрат, такое как Scale-inv-χ 2 ( n 0 , s 0 2 ), может быть удобной формой для представления менее информативной априорной для сг 2 , как если бы из результата п 0 предыдущих наблюдений (хотя п 0 не обязательно должно быть целым числом):
Такой априор привел бы к апостериорному распределению
что само по себе является масштабированным обратным распределением хи-квадрат. Таким образом, масштабированные обратные распределения хи-квадрат представляют собой удобное сопряженное априорное семейство для оценки σ 2 .
Оценка дисперсии, когда среднее значение неизвестно [ править ]
Если среднее значение неизвестно, наиболее неинформативным априорным значением, которое может быть принято за него, является, возможно, инвариантный относительно трансляции априор p (μ | I ) ∝ const., Который дает следующее совместное апостериорное распределение для μ и σ 2 ,
Маргинальное апостериорное распределение для σ 2 получается из совместного апостериорного распределения путем интегрирования по μ,
Это снова масштабированное обратное распределение хи-квадрат с параметрами и .
Связанные дистрибутивы [ править ]
- Если тогда
- Если ( распределение обратного хи-квадрат ), то
- Если тогда ( обратное распределение хи-квадрат )
- Если то ( Обратное гамма-распределение )
- Масштабированное обратное распределение хи-квадрат является частным случаем распределения Пирсона 5-го типа.
Ссылки [ править ]
- Гельман А. и др. (1995), Байесовский анализ данных , стр. 474–475; также стр 47, 480
- ^ Гельман и др. (1995), Байесовский анализ данных (1-е изд.), Стр.68