เห็นภาพการกระจายตัวแบบทวินามทวิภาค


11

คำถาม:การกระจายตัวแบบทวินามแบบไบวาเรียมีลักษณะอย่างไรในอวกาศ 3 มิติ

ด้านล่างเป็นฟังก์ชั่นเฉพาะที่ฉันต้องการเห็นภาพสำหรับค่าต่างๆของพารามิเตอร์ คือ , หน้า1และหน้า 2np1p2

f(x1,x2)=n!x1!x2!p1x1p2x2,x1+x2=n,p1+p2=1.

สังเกตว่ามีข้อ จำกัด สองประการ และP 1 + P 2 = 1 นอกจากนี้nเป็นจำนวนเต็มบวกพูด, 5x1+x2=np1+p2=1n5

มีความพยายามสองครั้งในการพล็อตฟังก์ชันโดยใช้ LaTeX (TikZ / PGFPLOTS) ในการทำเช่นนี้ฉันจะได้รับกราฟด้านล่างสำหรับค่าต่อไปนี้: , p 1 = 0.1และp 2 = 0.9และ, n = 5 , p 1 = 0.4และp 2 = 0.6ตามลำดับ ฉันไม่ประสบความสำเร็จในการนำข้อ จำกัด มาใช้กับค่าโดเมน x 1 + x 2 = nดังนั้นฉันจึงนิ่งงันเล็กน้อยn=5p1=0.1p2=0.9n=5p1=0.4p2=0.6x1+x2=n

การสร้างภาพข้อมูลในภาษาใด ๆ ก็ทำได้ดี (R, MATLAB และอื่น ๆ ) แต่ฉันทำงานใน LaTeX กับ TikZ / PGFPLOTS

ความพยายามครั้งแรก

, p 1 = 0.1และ p 2 = 0.9n=5p1=0.1p2=0.9

ป้อนคำอธิบายรูปภาพที่นี่

ความพยายามครั้งที่สอง

, p 1 = 0.4และ p 2 = 0.6n=5p1=0.4p2=0.6

ป้อนคำอธิบายรูปภาพที่นี่

แก้ไข:

สำหรับการอ้างอิงนี่คือบทความที่มีกราฟบางอย่าง ชื่อเรื่องของกระดาษคือ "การแจกแจงทวินามแบบทวิภาคีแบบใหม่" โดย Atanu Biswasa และ Jing-Shiang Hwang สถิติและความน่าจะเป็นตัวอักษร 60 (2002) 231–240

แก้ไข 2: เพื่อความชัดเจนและเพื่อตอบสนองต่อ @GlenB ในความคิดเห็นด้านล่างเป็นภาพรวมของวิธีการนำเสนอการแจกจ่ายให้ฉันในหนังสือของฉัน หนังสือเล่มนี้ไม่ได้หมายถึงกรณีที่เลวลง / ไม่เลวและอื่น ๆ มันนำเสนอแบบนั้นและฉันพยายามมองภาพ ไชโย! นอกจากนี้ตามที่ระบุโดย @JohnK มีความเป็นไปได้ที่จะพิมพ์ผิดเกี่ยวกับ x1 + x1 = 1 ซึ่งเขาแนะนำว่าควรเป็น x1 + x1 = n

ป้อนคำอธิบายรูปภาพที่นี่

รูปภาพของสมการจาก:

Spanos, A (1986) รากฐานทางสถิติของแบบจำลองเศรษฐมิติ สำนักพิมพ์มหาวิทยาลัยเคมบริดจ์


5
แต่มันไม่ควรจะเป็นแบบต่อเนื่องใช่ไหม? ตัวแปรสุ่มทั้งสองนั้นแยกกัน
JohnK

1
ดังนั้น x1 & x2 จึงเป็นอิสระใช่มั้ย คุณต้องการพล็อตหลอก 3D หรือไม่? แผนที่ความร้อนจะยอมรับได้หรือไม่?
gung - Reinstate Monica


2
x1+x2=np1+p2=1X1Binomial(n,p1)X2nX1

3
คุณไม่มีข้อมูลจำเพาะสำหรับทวินามแบบทวิภาคในคำถามของคุณ (มีมากกว่าหนึ่งวิธีในการระบุการแจกแจงแบบไบวาเรียที่อาจเรียกว่า "ทวินาม" ได้คุณไม่มีวิธีใดเลยแม้ว่าภาพที่เลวลงของคุณจะเป็นกรณีพิเศษของบางภาพ) ... ภาพวาดใน การอ้างอิง Biswasa & Hwang ของคุณไม่เหมาะสำหรับการแสดง PMF แบบแยกอิสระ กล่าวโดยย่อคำถามของคุณไม่มีอะไรจะวาดและการอ้างอิงของคุณมีประโยชน์เป็นส่วนใหญ่เป็นตัวอย่างของสิ่งที่ควรหลีกเลี่ยง
Glen_b -Reinstate Monica

คำตอบ:


8

มีสองส่วนดังนี้: ก่อนอื่นคุณต้องหาว่าความน่าจะเป็นของแต่ละคนนั้นคืออะไรจากนั้นคุณต้องพล็อตมันอย่างใด

ni=nj=506×6=36

ก่อนอื่นเราสามารถคำนวณ PMF ทวินามทวิภาคีได้เนื่องจากมันตรงไปตรงมามาก เนื่องจากตัวแปรมีความเป็นอิสระความน่าจะเป็นร่วมกันแต่ละครั้งจะเป็นผลคูณของความน่าจะเป็นที่ขอบ นี่คือพีชคณิตเมทริกซ์ ที่นี่ฉันสาธิตกระบวนการนี้โดยใช้Rรหัส:

b1 = dbinom(0:5, size=5, prob=0.1);  sum(b1)  # [1] 1
b9 = dbinom(0:5, size=5, prob=0.9);  sum(b9)  # [1] 1
b4 = dbinom(0:5, size=5, prob=0.4);  sum(b4)  # [1] 1
b6 = dbinom(0:5, size=5, prob=0.6);  sum(b6)  # [1] 1

b19 = b1%o%b9;  sum(b19)  # [1] 1
rownames(b19) <- colnames(b19) <- as.character(0:5)
round(b19, 6)
#       0        1        2        3        4        5
# 0 6e-06 0.000266 0.004783 0.043047 0.193710 0.348678
# 1 3e-06 0.000148 0.002657 0.023915 0.107617 0.193710
# 2 1e-06 0.000033 0.000590 0.005314 0.023915 0.043047
# 3 0e+00 0.000004 0.000066 0.000590 0.002657 0.004783
# 4 0e+00 0.000000 0.000004 0.000033 0.000148 0.000266
# 5 0e+00 0.000000 0.000000 0.000001 0.000003 0.000006
b46 = b4%o%b6;  sum(b46)  # [1] 1
rownames(b46) <- colnames(b46) <- as.character(0:5)
round(b46, 3)
#       0     1     2     3     4     5
# 0 0.001 0.006 0.018 0.027 0.020 0.006
# 1 0.003 0.020 0.060 0.090 0.067 0.020
# 2 0.004 0.027 0.080 0.119 0.090 0.027
# 3 0.002 0.018 0.053 0.080 0.060 0.018
# 4 0.001 0.006 0.018 0.027 0.020 0.006
# 5 0.000 0.001 0.002 0.004 0.003 0.001

ณ จุดนี้เรามีเมทริกซ์ความน่าจะเป็นที่จำเป็นสองประการ เราแค่ต้องตัดสินใจว่าเราต้องการพล็อตมันอย่างไร พูดตามตรงฉันไม่ใช่แฟนตัวยงของแผนภูมิแท่ง 3 มิติ เพราะRดูเหมือนว่าจะเห็นด้วยกับฉันฉันทำแปลงเหล่านี้ใน Excel:

b19:

ป้อนคำอธิบายรูปภาพที่นี่

b46:

ป้อนคำอธิบายรูปภาพที่นี่


ขอบคุณสำหรับการนำเสนอพร้อมรหัส R นี่ทำให้ฉันถามเกี่ยวกับ x1 + x2 = n หากเงื่อนไขนี้มีอยู่ควรมีเพียงเสาเดียวที่แสดงไว้ที่นี่: reference.wolfram.com/language/ref/MultinomialDistribution.htmlกราฟวุลแฟรมที่ฉันถือว่าเป็นสิ่งที่ @Glen_b เรียกว่าเป็นกรณีที่เลวลง? หมายความว่าคุณได้แสดงตัวพิมพ์ที่ไม่เสื่อมถอยหรือไม่?
แกรมวอลช์

1
GraemeWalsh งานนำเสนอของฉันไม่แสดง bivariate binomial โดยที่ x1 + x2 = n เนื่องจาก @Glen_b ได้พูดคุยเกี่ยวกับความคิดเห็นและคำตอบของเขาอย่างกว้างขวางฉันจะไม่เรียกว่า "การแจกแจงทวินามแบบทวิภาค" ที่ไม่มีคุณสมบัติตามที่กำหนด ยิ่งกว่านั้นมันก็หมายความว่า x1 & x2 ไม่ได้เป็นอิสระอย่างที่คุณพูดในคำติชมของคุณ แต่ขึ้นอยู่กับอย่างสมบูรณ์ ในความเป็นจริงฉันไม่ได้สังเกตว่านี่เป็นตัวแปรที่แปลกประหลาด (คุณสามารถตำหนิฉันได้ว่าอ่านไม่ใกล้พอ) ดังที่ Glen_b แสดงว่าเวอร์ชันนั้นจะเป็นเสาหลักหนึ่งบรรทัด สิ่งที่ฉันนำเสนอเป็นกรณีที่ไม่เลว
gung - Reinstate Monica

@ gung ฉันชอบแปลงใหม่ของคุณ ฉันคิดว่าการสนทนาของคุณครอบคลุมกรณีเลว ๆ ได้ดี ("คุณต้องหาว่าความน่าจะเป็นของแต่ละคนเป็นอย่างไร" พูดทุกอย่างจริง ๆ การคำนวณจริงสำหรับกรณีเลวก็เล็กน้อย) ฉันเพิ่งทำการคำนวณเล็กน้อยเหล่านั้น
Glen_b -Reinstate Monica

7

คำตอบของ gung เป็นคำตอบที่ดีสำหรับทวินามแบบทวิภาคที่แท้จริงอธิบายปัญหาได้ดี (ฉันขอแนะนำให้ยอมรับว่าเป็นคำตอบที่ดีสำหรับคำถามชื่อเรื่องซึ่งน่าจะเป็นประโยชน์กับคนอื่นมากที่สุด)

x1n

งั้นเรามานิยามสิ่งต่างๆ โปรดทราบว่าไม่มีการให้คำจำกัดความของตัวแปรสุ่มดังนั้นเราจึงเหลือการคาดเดา

Y1binomial(n,p1),P(Y1=y1)y1y1=0,1,...,nX1=Y1/nx1=0,16,26,...,1

P(X1=x1)x2=nx1p2=1p1

n=6,p1=0.3

ป้อนคำอธิบายรูปภาพที่นี่

x2x11x1x2

เราสามารถพิจารณาว่ามันเป็นไบโอเรียลที่ลดขนาดลง

ป้อนคำอธิบายรูปภาพที่นี่

แต่มันก็เป็นเรื่องที่ค่อนข้างยืดยาวที่จะเรียกสิ่งที่กำหนดไว้ในหนังสือเรื่องไบโอเรียลทวินาม (เนื่องจากเป็นทวินามแบบไม่แปรค่า)

จากข้อสันนิษฐานที่ว่าใครบางคนต้องการสร้างพล็อตที่คล้ายกับ 3D รหัส R (เล็กน้อย) นี้จะค่อนข้างใกล้เคียงกับพล็อตที่สองด้านบน:

y = 0:6
x1 = y/6
x2 = 1-x1
p = dbinom(y,6,.3)
scatterplot3d(x1,x2,p,grid=TRUE, box=FALSE, cex.lab=1.2,
        color=3, cex.main=1.4,pch=21,bg=1,, type="h",angle=120,
        main="degenerate scaled binomial", ylab="x2", xlab="x1", 
        zlab="prob")

(คุณต้องการscatterplot3dแพ็คเกจที่มีฟังก์ชั่นชื่อเดียวกัน)

"ทวิภาค" ที่แท้จริง (ไม่เสื่อม) ทวินามของไบวาเรียมีการแปรผันของตัวแปรทั้งสองในคราวเดียว นี่คือตัวอย่างของ bivariate binomial ชนิดหนึ่ง (ไม่เป็นอิสระในกรณีนี้) ฉันใช้สีที่แตกต่างกันในเนื้อเรื่องเพราะมันง่ายเกินไปที่จะหลงทางในป่าของ "ไม้" อย่างอื่น

ป้อนคำอธิบายรูปภาพที่นี่

Xbin(n0,p)Ybin(ny,p)Zbin(nz,p)X1=X+YX2=X+Z

X1X2

n0nynz=Xx1=x2x1+x2=n

[1]: Hamdan, MA (1972),
"การขยายแบบ Canonical ของการแจกแจงทวินามแบบไบวาเรียที่มีดัชนีส่วนเกินไม่เท่ากัน" การ
ทบทวนทางสถิติระหว่างประเทศ , 40 : 3 (ธ.ค. ), หน้า 277-280


corr(X1,X2)=1

Glen_b ขอบคุณมาก. ชี้ให้เห็นว่าวัตถุทางคณิตศาสตร์ที่ฉันนำเสนอ (ที่ถูกนำเสนอให้ฉัน!) เป็นทวินาม bivariate ที่ลดขนาดได้รับประโยชน์มาก! ฉันไม่รู้ตั้งแต่ต้น ท้ายสุดคำขอขั้นต้น! เป็นไปได้ไหมที่คุณจะอธิบายอย่างชัดเจน (โดยใช้สัญลักษณ์ทางคณิตศาสตร์) เกี่ยวกับวิธีการกำหนดทวินามทวินามที่แท้จริงหรือตามจริง ฉันคิดว่ามันจะมีประโยชน์
แกรมวอลช์

1
Xbin(n0,p)Ybin(ny,p)Zbin(nz,p)X1=X+YX2=X+Z

1
X1X2

@ Graeme ... ฉันวางแผนที่จะเพิ่มรายละเอียดเพิ่มเติม
Glen_b -Reinstate Monica

4

Mathematicaคือตอนนี้ที่แข็งแกร่งมากในสิ่งนั้น - มันมีทางออกของปัญหาของคุณถูกต้องในเอกสาร ด้วยการเพิ่มเติมเล็กน้อยฉันได้สร้างแบบจำลองเพื่อเล่น ( p = p1 = 0.4เพื่อการนำเสนอด้วยภาพที่ดีขึ้น) นั่นคือลักษณะที่ปรากฏของอินเตอร์เฟสและวิธีการควบคุม

ป้อนคำอธิบายรูปภาพที่นี่

เศษเล็กเศษน้อย

Manipulate[
 Grid[{
   {DiscretePlot3D[
     PDF[MultinomialDistribution[n, {p, 1 - p}], {x, y}], {x, 0, 
      n}, {y, 0, n}, PlotLabel -> Row[{"n = ", n}], 
     ExtentSize -> Right],

    DiscretePlot3D[
     CDF[MultinomialDistribution[n, {p, 1 - p}], {x, y}], {x, 0, 
      n}, {y, 0, n}, PlotLabel -> Row[{"n = ", n}], 
     ExtentSize -> Right]}
   }]
 ,
 {{n, 5}, 1, 20, 1, Appearance -> "Labeled"},
 {{p, 0.4}, 0.1, 0.9},
 TrackedSymbols -> True
 ]

สิ่งสำคัญที่นี่คือPDF[MultinomialDistribution[n, {p, 1 - p}], {x, y}]ซึ่งเป็นตัวเองอธิบายฉันคิดว่า Multinomialเพียงหมายความว่าคุณอาจต้องใช้การแจกแจงที่มากpiสำหรับแต่ละตัวแปร BinomialDistributionรูปแบบที่เรียบง่ายคือ แน่นอนฉันสามารถทำได้ด้วยตนเอง แต่กฎคือถ้าคุณมีฟังก์ชั่นบิวด์อิน - คุณควรใช้มัน

หากคุณต้องการความคิดเห็นเกี่ยวกับโครงสร้างโค้ดโปรดแจ้งให้เราทราบ

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.