Genelleştirilmiş ki-kare dağılımı - Generalized chi-squared distribution
Olasılık yoğunluk fonksiyonu
| |||
Kümülatif dağılım fonksiyonu
| |||
gösterim | |||
---|---|---|---|
parametreler |
, merkezi olmayan ki-kare bileşenlerinin ağırlık vektörü , merkezi olmayan ki-kare bileşenlerinin serbestlik derecesi vektörü , ki-kare bileşenlerinin merkezi olmayan parametrelerinin vektörü , normal terimin ortalaması , normal terimin sd'si |
||
Destek | |||
Anlamına gelmek | |||
Varyans | |||
CF |
Gelen Olasılık teorisi ve istatistik , genelleştirilmiş ki-kare dağılımı (ya da genel ki-kare dağılımı ) bir dağılımı kuadratik formda a multinormal değişken (normal vektör) veya farklı normal değişkenler ve normal değişkenlerin kareler lineer bir kombinasyonu. Eşdeğer olarak, aynı zamanda bağımsız, merkezi olmayan ki-kare değişkenleri ile normal bir değişkenin lineer toplamıdır . Aynı terimin bazen kullanıldığı birkaç başka genelleme vardır; bazıları burada tartışılan ailenin özel durumlarıdır, örneğin gama dağılımı .
Tanım
Genelleştirilmiş ki-kare değişkeni birden çok şekilde tanımlanabilir. Biri, onu bağımsız, merkezi olmayan ki-kare değişkenleri ve normal bir değişkenin doğrusal toplamı olarak yazmaktır:
Burada parametreler , kurucu ki-karelerin ağırlıkları , serbestlik dereceleri ve merkeziyetsizlikleri ve normal parametreler ve . Bunun bazı önemli özel durumları aynı işaretin tüm ağırlıklarına sahiptir veya merkezi ki-kare bileşenlerine sahiptir veya normal terimi atlar.
Merkezi olmayan bir ki-kare değişkeni, farklı ortalamalara sahip normal değişkenlerin karelerinin toplamı olduğundan, genelleştirilmiş ki-kare değişkeni ayrıca, bağımsız normal değişkenlerin kareleri artı bir bağımsız normal değişkenin toplamı olarak tanımlanır: yani, normal değişkenlerde ikinci dereceden.
Başka bir eşdeğer yol, onu normal bir vektörün ikinci dereceden bir formu olarak formüle etmektir :
- .
İşte bir matris, bir vektör ve bir skalerdir. Bunlar, normal vektörün ortalama ve kovaryans matrisi ile birlikte dağılımı parametreleştirir. İlk ifadenin parametreleri (merkezi olmayan ki-kareler, bir normal ve bir sabit cinsinden), sonraki ifadenin parametreleri (bir normal vektörün ikinci dereceden biçimi) cinsinden hesaplanabilir. Eğer (ve sadece) bu formülasyondaki pozitif-belirli ise , o zaman ilk formülasyondaki tüm ifadeler aynı işarete sahip olacaktır.
En genel durumda, aşağıdaki formun bir temsili kullanılarak ortak bir standart forma yönelik bir indirgeme yapılabilir:
burada D bir köşegen matristir ve burada x , ilişkisiz standart normal rastgele değişkenlerin bir vektörünü temsil eder .
pdf/cdf/ters cdf/rastgele sayıların hesaplanması
Genelleştirilmiş bir ki-kare değişkeninin olasılık yoğunluğu, kümülatif dağılım ve ters kümülatif dağılım fonksiyonları, basit kapalı biçimli ifadelere sahip değildir. Ancak bunlardan bazılarını değerlendirmek ve rastgele örnekler oluşturmak için sayısal algoritmalar ve bilgisayar kodu ( Fortran ve C , Matlab , R ) yayınlanmıştır.
Uygulamalar
Genelleştirilmiş ki-kare, aşağıdaki örneklerde olduğu gibi, olağan istatistiksel teorinin tutmadığı durumlarda istatistiksel tahminlerin dağılımıdır .
Model uydurma ve seçiminde
Bir durumunda tahmin modeli ile donatılmıştır , en küçük kareler , ancak artıklar ya sahip otokorelasyon veya heteroskedastisiyi ardından alternatif modelleri (de karşılaştırılabilir model seçimi değişiklikleri ile ilgili olarak) karelerinin toplamının bir üzere asimptotik geçerli genel bir ki-kare dağılımı.
Gauss diskriminant analizini kullanarak normal vektörleri sınıflandırma
Eğer normal bir vektör ise, kendi günlük olabilirlik bir olan karesel formu ait ve dolayısıyla bir genelleştirilmiş ki-kare olarak dağıtılır. Bir normal dağılımdan diğerine karşı ortaya çıkan log olabilirlik oranı da ikinci dereceden bir formdur , dolayısıyla genelleştirilmiş bir ki-kare olarak dağıtılır.
Gauss diskriminant analizinde, çok normal dağılımlardan alınan numuneler, ikinci dereceden bir sınıflandırıcı , ikinci dereceden bir fonksiyon olan bir sınır (örneğin, iki Gauss'un 1'e olabilirlik oranını ayarlayarak tanımlanan eğri) kullanılarak en uygun şekilde ayrılır . Farklı tiplerdeki sınıflandırma hata oranları (yanlış pozitifler ve yanlış negatifler), bu sınıflandırıcı tarafından tanımlanan ikinci dereceden bölgeler içindeki normal dağılımların integralleridir. Bu, normal bir vektörün ikinci dereceden bir formunun integraline matematiksel olarak eşdeğer olduğundan, sonuç, genelleştirilmiş bir ki-kare değişkeninin integralidir.
sinyal işlemede
Aşağıdaki uygulama bağlamında ortaya Fourier analizi de sinyal işleme , yenileme teorisi olarak olasılık teorisi ve çok antenli sistemleri olarak kablosuz iletişim . Bu alanların ortak faktörü, üstel olarak dağıtılmış değişkenlerin toplamının (veya aynı şekilde, dairesel simetrik merkezli karmaşık Gauss değişkenlerinin kare büyüklüklerinin toplamının ) önemli olmasıdır.
Eğer olan k bağımsız olarak , dairesel simetrik karmaşık Gauss merkezli rasgele değişkenler , ortalama 0 ve varyans , daha sonra rastgele değişken
belirli bir formun genelleştirilmiş bir ki-kare dağılımına sahiptir. Standart ki-kare dağılımından farkı, karmaşık olan ve farklı varyanslara sahip olabilen ve daha genel genelleştirilmiş ki-kare dağılımından farkı, ilgili ölçeklendirme matrisi A'nın köşegen olmasıdır. Eğer herkes için i , daha sonra , tarafından küçültülmüş (yani çarpılır ), bir sahiptir ki-kare dağılımı , aynı zamanda bir olarak bilinen Erlang dağılımı . Tüm i için farklı değerler varsa , o zaman pdf
Arasında tekrarlanan varyans kümeleri varsa, bunların her biri belirli bir varyans değerini temsil eden M kümeye bölündüklerini varsayalım . Her gruptaki tekrar sayısı olarak belirtin . Diğer bir deyişle, m, inci grubu içeren varyans değişkenleri Bağımsız bir rastgele, doğrusal kombinasyonunu temsil farklı serbestlik derecelerine sahip -Dağıtık rastgele değişkenler:
Pdf DİR
nerede
ile kümesinden tüm bölmelerin ile ( olarak tanımlanır)
Ayrıca bakınız
Referanslar
- ^ Davies, RB (1973) Karakteristik bir fonksiyonun sayısal tersi. Biometrika , 60 (2), 415–417
- ^ a b Davies, R,B. (1980) "Algoritma AS155: χ 2 rastgele değişkenin doğrusal bir kombinasyonunun dağılımı ", Uygulamalı İstatistik , 29, 323–333
- ^ a b Jones, DA (1983) "Optimizasyon ile donatılmış ampirik modellerin istatistiksel analizi", Biometrika , 70 (1), 67–88
- ^ a b c d e Das, Abhranil; Geisler, Wilson (2020). "Normal dağılımları bütünleştirmek ve sınıflandırmak için bir yöntem". arXiv : 2012.14331 .
- ^ a b Sheil, J., O'Muircheartaigh, I. (1977) "Algoritma AS106: Normal değişkenlerde negatif olmayan ikinci dereceden formların dağılımı", Applied Statistics , 26, 92-98
- ^ Imhof, JP (1961). "Normal Değişkenlerde Kuadratik Formların Dağılımının Hesaplanması" (PDF) . Biyometrik . 48 (3/4): 419–426. doi : 10.2307/2332763 . JSTOR 2332763 .
- ^ D. Hammarwall, M. Bengtsson, B. Ottersten (2008) "Anlık Kanal Normu Geri Bildirimi ile Uzamsal Olarak Seçici İletim için Kısmi CSI Edinme", Sinyal İşleme Üzerine IEEE İşlemleri , 56, 1188–1204
- ^ E. Björnson, D. Hammarwall, B. Ottersten (2009) "Quantized Channel Norm Feedback'i Koşullu İstatistikler Yoluyla Keyfi İlişkili MIMO Sistemlerinde Kullanmak " , IEEE Transactions on Signal Processing , 57, 4027–4041