В теории вероятностей и статистика, нецентральное распределение хи-квадрат (или нецентральное распределение хи-квадрат, нецентральное распределение ) является нецентральным обобщением распределения хи-квадрат. Это часто возникает в анализе мощности статистических тестов, в которых нулевое распределение является (возможно, асимптотически) распределением хи-квадрат; важными примерами таких тестов являются тесты отношения правдоподобия.
Содержание
- 1 Предпосылки
- 2 Определение
- 3 Свойства
- 3.1 Функция генерирования моментов
- 3.2 Моменты
- 3.3 Накопление функция распределения
- 3.3.1 Аппроксимация (включая квантили)
- 4 Получение pdf
- 5 Связанные распределения
- 6 Вхождения
- 6.1 Использование в интервалах допуска
- 7 Примечания
- 8 Ссылки
Предпосылки
Пусть быть k независимыми, нормально распределенными случайными величинами со средним значением и отклонения единиц измерения. Тогда случайная величина
распределяется в соответствии с нецентральным чи квадратное распределение. Он имеет два параметра: , который указывает количество степеней свободы (т.е. количество ) и , который связан со средним значением случайных величин по:
иногда называют параметр нецентральности. Обратите внимание, что некоторые ссылки определяют другими способами, например, половину указанной выше суммы или ее квадратный корень.
Это распределение возникает в многомерной статистике как производная от многомерного нормального распределения. В то время как центральное распределение хи-квадрат представляет собой возведенную в квадрат норму случайного вектора с распределение (т. Е. Квадрат расстояния от начала координат до точки, взятой случайным образом из этого распределения), нецентральное - квадрат нормы случайного вектора с распространение. Здесь - нулевой вектор длины k, и - это единичная матрица размера k.
Определение
Функция плотности вероятности (pdf) задается как
где распределяется как хи-квадрат с степенями свободы.
Из этого представления видно, что нецентральное распределение хи-квадрат представляет собой взвешенную по Пуассону смесь центральных распределений хи-квадрат. Предположим, что случайная величина J имеет распределение Пуассона со средним значением и условным распределением Z при J = i является хи-квадрат с k + 2i степенями свободы. Тогда безусловное распределение Z является нецентральным хи-квадрат с k степенями свободы, а параметр нецентральности .
В качестве альтернативы можно записать pdf как
где - это модифицированная функция Бесселя первого рода, заданная как
Используя связь между функциями Бесселя и гипергеометрическими функциями, PDF-файл также может быть записывается как:
Сигел (1979) конкретно обсуждает случай k = 0 (нулевые степени свободы ), и в этом случае распределение имеет дискретную составляющую в нуле.
Свойства
Функция создания момента
функция создания момента задается как
Моменты
Первые несколько сырых моментов :
Первые несколько центральных моментов :
N-й кумулянт равен
Следовательно,
Кумулятивная функция распределения
Снова используя соотношение между центральным и нецентральным распределениями хи-квадрат, кумулятивная функция распределения (cdf) может быть записана как
где - кумулятивная функция распределения центрального распределения хи-квадрат с k степенями свободы, которая задается как
- и где - это нижняя неполная гамма-функция.
Q-функция Marcum также может использоваться для представления cdf.
Аппроксимация (в том числе для квантилей)
Абдель-Ати выводит (как «первое приближение») нецентральное приближение Вильсона-Хильферти:
приблизительно нормально распределенный, т.е.
который довольно точен и хорошо адаптируется к нецентральности. Кроме того, становится для , случай (центральный) хи-квадрат.
Шанкаран обсуждает ряд закрытых форм приближений для кумулятивной функции распределения. В более ранней работе он вывел и сформулировал следующее приближение:
где
- обозначает кумулятивную функцию распределения стандартного нормального распределения ;
Это и другие приближения обсуждаются в более позднем учебнике.
Для заданной вероятности эти формулы легко инвертируются чтобы обеспечить соответствующее приближение для , чтобы вычислить приблизительные квантили.
Вывод pdf
Вывод функции плотности вероятности проще всего выполнить, выполнив следующие шаги:
- Поскольку имеют единичные дисперсии, их совместное распределение сферически симметрично с точностью до сдвига местоположения.
- Сферическая симметрия означает, что распределение из зависит от означает только через квадрат длины, . Таким образом, без ограничения общности можно взять и .
- Теперь определите плотность (т.е. случай k = 1). Простое преобразование случайных величин показывает, что
- где - стандартная нормальная плотность.
- Разверните член cosh в ряду Тейлора. Это дает взвешенное по Пуассону смешанное представление плотности, все еще для k = 1. Индексы случайных величин хи-квадрат в приведенном выше ряду в этом случае равны 1 + 2i.
- Наконец, для общего кейс. Мы предположили, без ограничения общности, что являются стандартными нормальными, и поэтому имеет центральное распределение хи-квадрат с ( k - 1) степени свободы, не зависящие от . Используя взвешенное по Пуассону представление смеси для , а также тот факт, что сумма случайных величин хи-квадрат также является хи- квадрат, завершает результат. Индексы в серии: (1 + 2i) + (k - 1) = k + 2i, если требуется.
Связанные распределения
- Если равно хи-квадрат распределенный , затем также имеет нецентральное распределение по хи-квадрат:
- Линейная комбинация независимых нецентральных переменных хи-квадрат , является распределенным обобщенным хи-квадрат.
- Если и и не зависит от затем нецентральное F-распределение d переменная представлена как
- Если , затем
- Если , затем принимает распределение Райса с параметром .
- Нормальное приближение: если , затем в распределении как или .
- Если и , где независимы, тогда где .
- В общем, для конечного набора , сумма этих не- центральные распределенные случайные величины по хи-квадрат имеет распределение где . Это можно увидеть с помощью следующих функций, генерирующих момент: независимостью случайных величин . Осталось подключить MGF для нецентральных распределений хи-квадрат в продукт и вычислить новый MGF - это оставлено как упражнение. В качестве альтернативы его можно рассматривать с помощью интерпретации в предыдущем разделе фона как суммы квадратов независимых нормально распределенных случайных величин с дисперсией 1 и заданными средними значениями.
- Сложное нецентральное распределение хи-квадрат находит применение в радиосвязи. и радиолокационные системы. Пусть независимые скалярные комплексные случайные величины с нецентральным круговая симметрия, средние значения и единичные отклонения: . Тогда действительная случайная величина распределяется в соответствии со сложным нецентральным распределением хи-квадрат :
- .
- где
Преобразования
Шанкаран (1963) обсуждает преобразования формы . Он анализирует расширения кумулянтов из до члена и показывает, что следующие варианты дают приемлемые результаты:
- делает второй кумулянт приблизительно независимым от
- делает третий кумулянт приблизительно не зависит от
- делает четвертый кумулянт приблизительно независимым от
Кроме того, более простое преобразование можно использовать как стабилизация дисперсии преобразование, которое производит случайную величину со средним значением и дисперсия .
Удобство использования этих преобразований может быть затруднено из-за нужно извлечь квадратный корень из отрицательных чисел.
Различные распределения хи и хи-квадратИмя | Статистика |
---|
распределение хи-квадрат | |
нецентральный хи-квадрат распределение | |
распределение хи | |
нецентральное распределение хи | |
Вхождения
Использование в интервалах допуска
Двусторонняя нормальная регрессия интервалы допуска могут быть получены на основе нецентрального распределения хи-квадрат. Это позволяет рассчитать статистический интервал, в который с некоторым уровнем достоверности попадает заданная доля отобранной совокупности.
Примечания
- ^Мюрхед (2005) Теорема 1.3.4
- ^Наттолл, Альберт Х. (1975): Некоторые интегралы, включающие функцию Q M, IEEE Transactions on Information Theory, 21 (1), 95–96, ISSN 0018-9448
- ^Абдель-Ати, С. (1954). Приближенные формулы для процентных точек и интеграла вероятности нецентрального распределения χ2 Биометрика 41, 538–540. DOI: 10.2307 / 2332731
- ^Шанкаран, М. (1963). Аппроксимация нецентрального распределения хи-квадрат Биометрика, 50 (1-2), 199–204
- ^Шанкаран, М. (1959). «О нецентральном распределении хи-квадрат», Biometrika 46, 235–237
- ^Johnson et al. (1995) Непрерывные одномерные распределения Раздел 29.8
- ^Мюрхед (2005), стр. 22–24 и задача 1.18.
- ^Дерек С. Янг (август 2010 г.). «Допуск: пакет R для оценки интервалов допуска». Журнал статистического программного обеспечения. 36 (5): 1–39. ISSN 1548-7660. Проверено 19 февраля 2013 г., стр.32
Ссылки
- Абрамовиц, М. и Стегун, И.А. (1972), Справочник по математическим функциям, Dover. Раздел 26.4.25.
- Джонсон, Н. Л., Коц, С., Балакришнан, Н. (1995), Непрерывные одномерные распределения, Том 2 (2-е издание), Wiley. ISBN 0-471-58494-0
- Мюрхед Р. (2005) Аспекты многомерной статистической теории (2-е издание). Вайли. ISBN 0-471-76985-1
- Сигел, А.Ф. (1979), «Нецентральное распределение хи-квадрат с нулевыми степенями свободы и проверка на однородность», Биометрика, 66, 381–386
- Press, SJ (1966), «Линейные комбинации нецентральных переменных хи-квадрат», Анналы математической статистики, 37 (2): 480–487, doi : 10.1214 / aoms / 1177699531, JSTOR 2238621