รับการกระจายแบบร่วมจากการกระจายแบบคู่


10

สมมติว่าเรามีตัวแปรสุ่ม 3 ตัวคือและเรารู้ว่าการกระจายตัวแบบคู่แบบแต่เราไม่รู้อะไรเลย (เช่น ตามเงื่อนไขความเป็นอิสระ) เราจะได้การแจกแจงร่วมกันไหม?X1,X2,X3P(X1,X2),P(X2,X3),P(X3,X1)P(X1,X2,X3)

คำตอบ:


12

เลขที่

พิจารณาการแจกแจงแบบ trivariate ที่มีระยะขอบปกติแบบ bivariate (มาตรฐานอิสระ) แต่ครึ่งหนึ่งของ octants ที่มีความน่าจะเป็น 0 และครึ่งที่มีความน่าจะเป็นสองเท่า พิจารณา octants ---, - ++, + - +, ++ - มีความน่าจะเป็นสองเท่า

จากนั้นระยะขอบของ bivariate จะแยกไม่ออกจากส่วนที่คุณจะได้รับพร้อมกับตัวแปรมาตรฐาน iid สามมาตรฐาน แท้จริงแล้วมันมีระยะอนันต์ของการแจกแจง trivariate ซึ่งจะสร้างระยะขอบของ bivariate เดียวกัน

ดังที่ Dilip Sawarte ชี้ให้เห็นในความคิดเห็นเขาได้พูดถึงตัวอย่างเดียวกันเป็นหลักในคำตอบ (แต่กลับกัน octants ที่เป็นสองเท่าและ zeroed) และกำหนดไว้ในทางเป็นทางการมากขึ้น Whuber กล่าวถึงตัวอย่างของ Bernoulli ว่าในกรณี trivariate มีลักษณะดังนี้:

  X3=0      X1                  X3=1      X1
          0    1                        0    1

    0    1/4   0                  0     0   1/4 
 X2                         X2
    1     0   1/4                 1    1/4   0

... ที่ทุกคนจะได้รับ bivariate margin

            Xi         
          0    1       

    0    1/4  1/4      
 Xj                  
    1    1/4  1/4    

และจะเทียบเท่ากับกรณีของสามตัวแปรอิสระ (หรือจริง ๆ กับสามด้วยรูปแบบที่ตรงกันข้ามของการพึ่งพาอาศัยกัน)

ตัวอย่างที่เกี่ยวข้องอย่างใกล้ชิดในตอนแรกฉันเริ่มเขียนเกี่ยวกับชุด trivariate ที่มีการสลับ "สไลซ์" ในรูปแบบกระดานหมากรุกที่มีความน่าจะเป็นมากขึ้นและลดลง (ทำให้ทั่วไปเป็นศูนย์และสองเท่า)

ดังนั้นคุณไม่สามารถคำนวณ trivariate จากระยะขอบของ bivariate โดยทั่วไปได้


5
+1 อีกตัวอย่างมาตรฐาน - ที่ง่ายที่สุดและเกี่ยวข้องกับคุณมากที่สุดคือให้เป็นตัวแปรBernoulliอิสระ การแจกแจงเต็มรูปแบบสามารถทำเป็นตารางได้เนื่องจากมีผลลัพธ์ที่น่าพอใจเพียงแปดอย่าง ระยะขอบและระยะขอบแบบคู่ของพวกเขาจะเท่ากันหลังจากปรับสภาพให้มีเลขศูนย์เท่ากัน (เพิ่งตัดแถวอื่น ๆ ในตารางและเพิ่มความน่าจะเป็นสองเท่าของพวกมันทั้งหมด) Xผม(1/2)Xผม
whuber

4
+++,+--,-+-,--+

แต่ในกรณีที่มีการประดิษฐ์น้อยอาจมีขอบเขตบางอย่างที่สามารถทำได้?
kjetil b halvorsen

จะต้องมีวิธีแก้ปัญหา copula ที่นี่ ทฤษฎีบทของ Sklar มีส่วนขยายไปยังกรณี n-มิติและที่นั่นคุณมีเพียงระยะขอบเท่านั้นไม่ใช่มาร์จิ้น bivariate ที่มีข้อมูลเพิ่มเติม
Aksakal

1
Aksakal ตัวเชื่อมนั้นระบุโครงสร้างการพึ่งพาอาศัยกันอย่างสมบูรณ์ไม่ใช่มาร์จิ้น ความจริงที่ว่าคุณสามารถรักษาระยะขอบไว้ได้ แต่การเปลี่ยนแปลง copula เป็นรุ่นเดียวกันของปัญหาเดียวกันที่นี่
Glen_b -Reinstate Monica
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.