Estudante t como mistura de gaussiana

23

Usando a distribuição t do aluno com graus de liberdade, o parâmetro de localização parâmetros de escala têm densidade $k > 0$ $l$ $s$

\frac{Γ (\frac{k + 1}{2})}{Γ (\frac{k}{2} \sqrt{k π s^{2}})} {1 + k^{- 1} (\frac{x - l}{s})}^{- (k + 1) / 2},

$\frac{\Gamma \left(\frac{k+1}{2}\right)}{\Gamma\left(\frac{k}{2}\sqrt{k \pi s^2}\right)} \left\{ 1 + k^{-1}\left( \frac{x-l}{s}\right)\right\}^{-(k+1)/2},$

Como mostram que o estudante -distribuição pode ser escrito como uma mistura de distribuições de Gauss, permitindo que , , e integrando a densidade conjunta para obter a densidade marginal ? Quais são os parâmetros do resultado $t$ $X\sim N(\mu,\sigma^2)$ $\tau = 1/\sigma^2\sim\Gamma(\alpha,\beta)$ $f(x,\tau|\mu)$ $f(x|\mu)$ $t$ -distribuição, como funções de ? $\mu,\alpha,\beta$

Perdi-me no cálculo integrando a densidade condicional conjunta com a distribuição gama.

distributions mixture

— Salih Ucan
fonte

31

O PDF de uma distribuição Normal é

f_{μ, σ} (x) = \frac{1}{\sqrt{2 π} σ} e^{- \frac{(x - μ)^{2}}{2 σ^{2}}} d x

$f_{\mu, \sigma}(x) = \frac{1}{\sqrt{2 \pi} \sigma} e^{-\frac{(x-\mu )^2}{2 \sigma ^2}}dx$

mas em termos de é $\tau = 1/\sigma^2$

g_{μ, τ} (x) = \frac{\sqrt{τ}}{\sqrt{2 π}} e^{- \frac{τ (x - μ)^{2}}{2}} d x .

$g_{\mu, \tau}(x) = \frac{\sqrt{\tau}}{\sqrt{2 \pi}} e^{-\frac{\tau(x-\mu )^2}{2 }}dx.$

O PDF de uma distribuição Gamma é

h_{α, β} (τ) = \frac{1}{Γ (α)} e^{- \frac{τ}{β}} τ^{- 1 + α} β^{- α} d τ .

$h_{\alpha, \beta}(\tau) = \frac{1}{\Gamma(\alpha)}e^{-\frac{\tau}{\beta }} \tau^{-1+\alpha } \beta ^{-\alpha }d\tau.$

Seu produto, ligeiramente simplificado com álgebra fácil, é, portanto,

f_{μ, α, β} (x, τ) = \frac{1}{β^{α} Γ (α) \sqrt{2 π}} e^{- τ (\frac{(x - μ)^{2}}{2} + \frac{1}{β})} τ^{- 1 / 2 + α} d τ d x .

$f_{\mu, \alpha, \beta}(x,\tau) =\frac{1}{\beta^\alpha\Gamma(\alpha)\sqrt{2 \pi}} e^{-\tau\left(\frac{(x-\mu )^2}{2 } + \frac{1}{\beta}\right)} \tau^{-1/2+\alpha}d\tau dx.$

Sua parte interna evidentemente tem a forma , tornando-a uma função Gamma múltipla quando integrada em toda a faixa a . Essa integral, portanto, é imediata (obtida por saber que a integral de uma distribuição Gamma é unidade), fornecendo a distribuição marginal $\exp(-\text{constant}_1 \times \tau) \times \tau^{\text{constant}_2}d\tau$ $\tau=0$ $\tau=\infty$

f_{μ, α, β} (x) = \frac{\sqrt{β} Γ (α + \frac{1}{2})}{\sqrt{2 π} Γ (α)} \frac{1}{{(\frac{β}{2} (x - μ)^{2} + 1)}^{α + \frac{1}{2}}} .

$f_{\mu, \alpha, \beta}(x) = \frac{\sqrt{\beta } \Gamma \left(\alpha +\frac{1}{2}\right) }{\sqrt{2\pi } \Gamma (\alpha )}\frac{1}{\left(\frac{\beta}{2} (x-\mu )^2+1\right)^{\alpha +\frac{1}{2}}}.$

Tentar corresponder ao padrão fornecido para a distribuição mostra que há um erro na pergunta: o PDF da distribuição t de Student é na verdade proporcional a $t$

\frac{1}{\sqrt{k} s} {(\frac{1}{1 + k^{- 1} {(\frac{x - l}{s})}^{2}})}^{\frac{k + 1}{2}}

$\frac{1}{\sqrt{k} s }\left(\frac{1}{1+k^{-1}\left(\frac{x-l}{s}\right)^2}\right)^{\frac{k+1}{2}}$

(a potência de é , não ). Combinando os termos indica , , e $(x-l)/s$ $2$ $1$ $k = 2 \alpha$ $l=\mu$ . $s = 1/\sqrt{\alpha\beta}$

Observe que nenhum cálculo era necessário para essa derivação: tudo era uma questão de procurar as fórmulas dos PDFs Normal e Gama, realizando algumas manipulações algébricas triviais envolvendo produtos e potências e padrões correspondentes em expressões algébricas (nessa ordem).

— whuber
fonte

10

Inspirado por esta resposta, fiz uma animação da distribuição t como uma mistura de distribuições normais. Ele está disponível aqui: sumsar.net/blog/2013/12/t-as-a-mixture-of-normals

— Rasmus Baath

1

@whuber: Tecnicamente, para esse tipo de correspondência, sempre há um uso implícito de cálculo em seu reconhecimento de que você pode integrar a densidade gama usando sua forma integral conhecida. (Este é o equivalente estatístico de esconder o brócolis, misturando-o com a carne e as batatas.) Uma maneira inteligente de esconder o cálculo!

— Reintegrar Monica

1

$t$ $k$ $Y$ $Y$ $X$ $t(k)$ $X$ $\sqrt Y$ $\Phi$ $Y$ $IG(k/2,k/2)$ $\Phi$

— Jingjings
fonte

0

$0$

\sqrt{1 / τ} X = Y

$\sqrt{1/\tau} X =Y$

τ

$\tau$

Y

$Y$

τ

$\tau$

τ

$\tau$

\sqrt{1 / τ} X

$\sqrt{1/\tau} X$

τ \sim Γ (α, β) \sim \frac{β}{2} Γ (α, 2) \sim \frac{β}{2} χ^{2} (2 α)

$\tau \sim \Gamma(\alpha, \beta) \sim \frac{\beta}{2} \Gamma(\alpha, 2) \sim \frac{\beta}{2} \chi^2(2\alpha)$

Y \sim X \frac{1}{\sqrt{(β / 2) χ^{2} (2 α)}}

$Y \sim X \frac{1}{\sqrt{(\beta/2) \chi^2(2\alpha)} }$

= \frac{X \sqrt{α β}}{\sqrt{χ_{2 α}^{2} / (2 α)}}

$= \frac{ X \sqrt{\alpha \beta} }{\sqrt{ \chi^2_{2\alpha}/(2\alpha)}}$

k = 2 α

$k=2\alpha$

s = 1 / \sqrt{α β}

$s=1/\sqrt{\alpha \beta}$

μ

$\mu$

l

$l$

— Romil Sirohi
fonte