ผลรวมของตัวแปรสุ่มไคสแควร์ที่ไม่ใช่ศูนย์กลาง


21

ฉันต้องการค้นหาการกระจายตัวของตัวแปรสุ่ม

Y=Σผม=1n(Xผม)2
โดยที่Xผม~ยังไม่มีข้อความ(μผม,σผม2)และXผม s ทั้งหมดเป็นอิสระ ฉันรู้ว่ามันเป็นไปได้ที่จะหาผลิตภัณฑ์ของทุกช่วงเวลาที่สร้างฟังก์ชั่นสำหรับและจากนั้นแปลงกลับเพื่อให้ได้การแจกแจงของอย่างไรก็ตามฉันสงสัยว่ามีรูปแบบทั่วไปสำหรับ YXผมYY เช่นกรณี Gaussian: เรารู้ว่าผลรวมของ Gaussian อิสระยังคงเป็น Gaussian และดังนั้นเราจำเป็นต้องทราบค่าเฉลี่ยและความแปรปรวนสรุป

วิธีการเกี่ยวกับทุก ? เงื่อนไขนี้จะทำให้การแก้ปัญหาทั่วไป?σผม2=σ2


1
กำลังมองหาที่วรรคแรกภายใต้นี่อย่างเห็นได้ชัดสภาพสุดท้ายผลตอบแทนถัวเฉลี่ยที่ปรับขนาด noncentral ไคสแควร์ (แบ่งผ่าน (ปัจจัยระดับที่คุณจะออกจากด้านหน้า) และทำให้σ ฉัน = 1ในΣ k ฉัน= 1 ( X ฉัน/ σ i ) 2 ) แบบฟอร์มทั่วไปที่มากขึ้นที่คุณเริ่มด้วยดูเหมือนเป็นชุดค่าผสมเชิงเส้นหรือค่าเฉลี่ยถ่วงน้ำหนักพร้อมค่าสัมประสิทธิ์σ 2 ฉันแทนที่จะเป็นผลรวมสี่เหลี่ยมจัตุรัสแบบธรรมดาธรรมดา ... และฉันเชื่อว่าโดยทั่วไปจะไม่มีการแจกแจงที่ต้องการ σ2σi=1i=1k(Xi/σi)2σi2
Glen_b -Reinstate Monica

ขึ้นอยู่กับสิ่งที่คุณต้องการสำหรับในบางกรณีคุณอาจจะสามารถทำการแปลงตัวเลขหรือการจำลอง
Glen_b -Reinstate Monica

สิ่งนี้ถูกสรุปโดยการแจกแจง 'น้ำหนักรวมของ log chi-squares to power' แพ็คเกจ R ของฉันsadistsมีฟังก์ชัน 'dpqr' โดยประมาณสำหรับ ; cf github.com/shabbychef/adadistsY
shabbychef

คำตอบ:


17

ดังที่ Glen_b บันทึกไว้ในความคิดเห็นหากความแปรปรวนเหมือนกันทั้งหมดคุณจะได้ค่าไคสแควร์ที่ไม่ได้สัดส่วน

หากไม่มีแนวคิดของการแจกแจงแบบไคสแควร์ทั่วไปคือสำหรับx N ( μ , Σ )และAคงที่ ในกรณีนี้คุณมีกรณีพิเศษของเส้นทแยงมุมΣ ( Σ ฉันฉัน = σ 2 ฉัน ) และ=ฉันxTAxxN(μ,Σ)AΣΣii=σi2A=I

มีบางงานในการคำนวณสิ่งต่าง ๆ ด้วยการแจกจ่ายนี้:

  • Imhof (1961)และDavies (1980)กลับด้านฟังก์ชันฟังก์ชันตัวเลข
  • Sheil และ O'Muircheartaigh (1977)เขียนการแจกแจงเป็นผลรวมไม่สิ้นสุดของตัวแปรไคสแควร์กลาง
  • Kuonen (1999)ให้ค่าประมาณ saddlepoint กับ pdf / cdf
  • Liu, Tang และ Zhang (2009)ประมาณค่าด้วยการกระจายตัวไคสแควร์ที่ไม่ได้อยู่บนพื้นฐานของการจับคู่ที่สะสม

นอกจากนี้คุณยังสามารถเขียนมันเป็นการรวมกันเชิงเส้นของตัวแปร chi-squared noncentral อิสระในกรณีนี้:Y=i=1nσi2(Xi2σi2)

Bausch (2013)ให้อัลกอริทึมที่มีประสิทธิภาพมากขึ้นสำหรับการรวมกันเชิงเส้นของไคสแควร์กลาง; งานของเขาอาจขยายไปถึงไคสแควร์ที่ไม่ใช่ศูนย์กลางและคุณอาจพบคำแนะนำที่น่าสนใจในส่วนงานที่เกี่ยวข้อง


2
การเปรียบเทียบวิธีการประมาณนั้นพบใน Duchesne et al. 2010 สถิติการคำนวณและการวิเคราะห์ข้อมูล, 54, 858–862 ผู้เขียนเก็บรักษา R package CompQuadFormด้วยการใช้งาน
caracal

-10

นี่จะเป็น Chi-Square ของ n degree of freedom


6
ฉันเชื่อว่าคุณมองข้ามว่า μผมอาจไม่ใช่ศูนย์ ความคิดเห็นต่อคำถามรวมถึงคำตอบที่มีอยู่เป็นข้อมูล
whuber
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.