Wie wäre die Verteilung der folgenden Gleichung:
Dabei sind und unabhängige nicht zentrale Chi-Quadrat-Zufallsvariablen mit Freiheitsgraden.d 2 M.
OBS.: Die RVs, die sowohl als auch erzeugen, haben und , sagen wir .d μ = 0 σ 2 ≠ 1 σ 2 = c
distributions
chi-squared
pdf
Felipe Augusto de Figueiredo
quelle
quelle
Antworten:
Wenn unabhängig sind, hat eine -Verteilung. Da nicht negativ ist, kann CDF von durch Notieren vonDaher ist X = a + d χ 2 4 M X Y = a 2 + 2 a d + d 2 = ( a + d ) 2 = X 2 F Y ( y ) = P ( Y ≤ y ) = P ( X 2 ≤ y ) = P.a,d∼χ22M X=a+d χ24M X Y=a2+2ad+d2=(a+d)2=X2 fY(y)= 1
Wenn und korreliert sind, sind die Dinge viel komplizierter. Siehe zum Beispiel die kumulative Verteilungsfunktion von NH Gordon & PF Ramig für die Summe der korrelierten Chi-Quadrat-Zufallsvariablen (1983) für eine Definition des multivariaten Chi-Quadrats und die Verteilung seiner Summe.da d
Wenn dann haben Sie es mit nicht zentralem Chi-Quadrat zu tun, so dass das oben Genannte nicht mehr gültig ist. Dieser Beitrag kann einige Einblicke geben.μ≠2M
BEARBEITEN: Basierend auf den neuen Informationen scheinen und durch Summieren des normalen rv mit einer Varianz von nicht Einheiten gebildet zu werden. Denken Sie daran, wenn dann . Da jetzt beide eine Chi-Quadrat-Verteilung, die durch skaliert ist , dh -Verteilung. In diesem Fall wird verteilt. Als Ergebnis haben wir fürd Z ∼ N ( 0 , 1 ) √a d Z∼N(0,1) c√Z∼N(0,c)
quelle
Da ein nicht zentrales Chi-Quadrat eine Summe unabhängiger rvs ist, ist die Summe zweier unabhängiger nicht zentraler Chi-Quadrate auch ein nicht zentrales Chi-Quadrat mit Parametern, die die Summe der entsprechenden Parameter von die beiden Komponenten (Freiheitsgrade), (Nicht-Zentralitätsparameter).X=a+b kx=ka+kb λx=λa+λb
Um die Verteilungsfunktion seines Quadrats , kann man die "CDF-Methode" anwenden (wie in der Antwort von @francis).Y=X2
und wo
damit
wo hier ist Marcums Q-Funktion .Q
Das Obige gilt für nicht zentrale Chi-Quadrate, die als Summen unabhängiger quadratischer Normalen mit jeweils einheitlicher Varianz, aber unterschiedlichem Mittelwert gebildet werden.
ADDENDUM FÜR DIE BEARBEITUNG DER FRAGE
Wenn die Basis-RV , ist das Quadrat von jedem ein siehe https://stats.stackexchange.com/a/122864/28746 .N(0,c) Gamma(1/2,2c)
Also das rv und also auch (Formskalenparametrisierung, und siehe den Wikipedia-Artikel für die additive Eigenschaften für Gamma). B ~ G a m m a ( M , 2 c ) X = a + b ~ G a m m a ( 2 M , 2 c )a∼Gamma(M,2c) b∼Gamma(M,2c) X=a+b∼Gamma(2M,2c)
Dann kann man die CDF-Methode erneut anwenden, um die CDF des QuadratsY=X2
quelle