Bagaimana keluarga distribusi dengan PDF sebanding dengan

8

Pertimbangkan keluarga distribusi dengan PDF (hingga konstanta proporsionalitas) yang diberikan oleh

hal(x)1(1+αx2)1/α.
Bagaimana namanya? Jika tidak memiliki nama, bagaimana Anda menyebutnya?

Itu terlihat sangat mirip dengan keluarga t-distribusi dengan PDF sebanding dengan

hal(x)1(1+1νx2)(ν+1)/2.

Kapan α=ν=1 kita punya t-distribusi dengan 1 df, alias distribusi Cauchy. Kapanα0 atau ν, kami mendapatkan distribusi Gaussian.

Keluarga distribusi ini muncul di Yang et al., Embedded Stochastic Neighbor Embedded Ekorimetri, NIPS 2009 , tetapi mereka tidak menggunakan nama apa pun untuk merujuknya.

amuba
sumber
1
mathworks.com/help/stats/t-location-scale-distribution.html . Saya akan mengatakan itu adalah bentuk distribusi t skala dengan menetapkan nilai yang sesuai untuk v dan skala.
Cagdas Ozgenc
Terima kasih @CagdasOzgenc (+1). Kamu benar. Glen_b menguraikan ini dalam sebuah jawaban.
amoeba
1
Jika Anda tidak menyadarinya, mgcv::gamizinkan spesifikasi skala-T sebagai respons saat menggunakan gam( family= "scat", ... ).
usεr11852

Jawaban:

6

Ini hanya skala tertentu t-distribusi - a t-Distribusi dengan varian yang berbeda dengan standar t-distribusi.

Membiarkan ν=2α-1. Membiarkanσ=2-αα.

Lalu (jika saya melakukannya dengan benar) Y=X/σ adalah standar t dengan ν df


Beginilah alasan saya:

fY(y)=c1(1+y2ν)(ν+1)/2
adalah standar t-massa jenis.

Kami mendapatkan skala keluarga dengan membiarkan X/σ=Y, dalam hal ini

fX(x)=1σfY(xσ)=cσ1(1+x2σ2ν)(ν+1)/2
adalah skala t-massa jenis.

Hanya menyamakan koefisien dalam kepadatan Anda dengan ini, dan pecahkan untuk ν dan σ.

Menyadari bahwa parameter skala akan mengambil apa pun yang tidak "benar" αx2 (mengingat bahwa ν sudah didefinisikan dengan menyamakan kekuatan) adalah semua yang diperlukan untuk melihatnya ditingkatkan t; aljabar tidak diperlukan sampai tiba saatnya untuk benar-benar menemukan parametert.


[Catatan akhir: Seandainya tidak jelas bahwa keluarga skala memiliki bentuk fX(x)=1σfY(xσ), ambil pernyataan probabilitas FX(x)=FY(xσ) (mencatat bahwa acara tersebut X/σt identik dengan acara tersebut Yt) dan bedakan.]

Glen_b -Reinstate Monica
sumber
Sangat menarik untuk dicatat bahwa konversi ini rusak ketika α2. Saya berasumsi itu karena PDF berskala akan berbeda ketika terintegrasi melalui garis nyata, kan?
amoeba
1
Iya. Misalnya diα=2 Anda memiliki sesuatu yang mendekati k/|x|di ekor, dan kedua bagian dari perbedaan integral. Yah argumen itu agak longgar tetapi Anda bisa mengencangkannya dengan cukup mudah.
Glen_b -Reinstate Monica
1
@amoeba Perhatikan itu vSebuahr=σ2vv-2. Saya sering menggunakan distribusi ini untuk estimasi volatilitas dalam seri waktu keuangan.
Cagdas Ozgenc