Professional Documents
Culture Documents
En teora de la probabilidad y la estadstica , el chi-cuadrado no central o no central de distribucin es una generalizacin de la distribucin chi-cuadrado . Esta distribucin se presenta a menudo en el anlisis de la potencia de las pruebas estadsticas en las que la distribucin nula es (quizs asintticamente) una distribucin chi-cuadrado ; ejemplos importantes de estas pruebas son las pruebas de razn de verosimilitud .
Antecedentes
Vamos a varianzas ser k independiente , distribuido normalmente variables aleatorias con los medios .Entonces, la variable aleatoria y las
se distribuye de acuerdo a la chi-cuadrado no central de distribucin. Tiene dos parmetros: especifica el nmero degrados de libertad (es decir, el nmero de media de las variables aleatorias por: ), y
que
a veces se llama el parmetro de no centralidad . Tenga en cuenta que algunas referencias definir de otras maneras, como un medio de la suma anterior, o su raz cuadrada. Esta distribucin se presenta en las estadsticas multivariantes como un derivado de la distribucin normal multivariante .Mientras que el centro de distribucin chi-cuadrado es el cuadrado de la norma de un vector aleatorio con distribucin (es decir, el cuadrado de la distancia es la norma al cuadrado
desde el origen de un punto al azar en que la distribucin), el no central de un vector aleatorio con longitud k , y distribucin. Aqu
es un vector cero de
Definicin
La funcin de densidad de probabilidad est dada por
donde
grados de libertad.
A partir de esta representacin, el chi-cuadrado no central de distribucin se ve que es una Poisson ponderada mezcla de centrales chi-cuadrado distribuciones. Supongamos que una variable aleatoria J tiene una distribucin de Poisson con media y la distribucin condicional de Z dado es chi-cuadrado con k 2 i grados de libertad. Entonces la distribucin
incondicional de Z no es el centro de chi-cuadrado con k grados de libertad y parmetro de no centralidad . Alternativamente, el pdf se puede escribir como
donde
Usando la relacin entre las funciones de Bessel y funciones hipergeomtricas , el pdf tambin [1] se puede escribir como:
Siegel (1979) discute el caso k = 0 especficamente (cero grados de libertad), en cuyo caso la distribucin tiene un componente discreto en cero.
Propiedades
funcin generadora Momento
La funcin de generacin de momento viene dado por
Momentos
Los primeros primas pocos momentos son:
El n cumulante es
Por lo tanto
donde es la funcin de distribucin acumulativa de la central de distribucin chi-cuadrado con k grados de libertad que est dada por
y donde
es la funcin gamma incompleta ms baja . tambin se puede utilizar para representar la cdf.
[2]
El Marcum Q-funcin
Aproximacin
Sankaran discute un nmero de forma cerrada aproximaciones para la funcin de distribucin [4] acumulada . En un trabajo anterior, y afirma que deriva la siguiente aproximacin:
[3]
[5]
se
esencialmente la aproximacin de los normalizadas Chi-cuadrado de distribucin de X / k como el cubo de una gaussiana. Para una determinada probabilidad, la frmula se invierte fcilmente para proporcionar la aproximacin correspondiente para .
2. La simetra esfrica implica entonces que la distribucin de medios depende slo a travs de la longitud al cuadrado, de generalidad, se puede por lo tanto tomar y
3. Ahora derivar la densidad de (es decir, k = 1 caso). Transformacin simple de variables aleatorias muestra que: donde es la densidad normal estndar.
4. Expanda el cosh trmino en una serie de Taylor. Esto le da a la representacin mezcla Poisson ponderada de la densidad, an para k = 1 . Los ndices de las variables aleatoria chi-cuadrado en la serie anterior son 1 +2 i en este caso. 5. Por ltimo, para el caso general. Hemos asumido, sin prdida de generalidad, que son estndar normal, y por lo tanto cuadrado con (k-1) grados de libertad, independiente de tiene un centro de distribucin chi. Utilizando la representacin mezcla
poisson-ponderado para , y el hecho de que la suma de chi-cuadrado variables aleatorias es tambin chi-cuadrado, completa el resultado. Los ndices de la serie son (1 i +2) + (k-1) = k +2 i como se requiere.
distribuciones relacionadas
Si
es independiente de
un entonces no central F -
Si
, a continuacin,
Aproximacin normal
[6]
: si o
, despus .
de la
Transformaciones
Sankaran (1963) analiza las transformaciones de la forma expansiones de los cumulantes de hasta el trmino siguientes de producir resultados razonables: . Analiza las y muestra que las opciones
aproximadamente independiente de la
aproximadamente independiente de la
aproximadamente independiente de la
Tambin, una transformacin ms simple puede ser utilizado como un estabilizador varianza transformacin que produce una variable aleatoria con media y varianza .
Usabilidad de estas transformaciones puede verse obstaculizado por la necesidad de tener las races cuadradas de los nmeros negativos.