chi-squared Archives

나는 랜덤 변수 의 분포를 찾아야합니다.

여기서 및 모든 는 독립적입니다. 먼저 대한 모든 순간 생성 함수의 곱을 찾은 다음 다시 변환하여 분포 를 얻을 수 있음을 알고 있습니다. 그러나 대한 일반적인 형식이 있는지 궁금합니다.

Y = \sum i = 1 n (X i) 2

$X_{i} \sim N (μ_{i}, σ_{i}^{2})$

Xi∼N(μi,σi2)

$X_{i}$

$Y$

가우스 사례와 같이 : 우리는 독립 가우스의 합이 여전히 가우스임을 알고 있으므로 합산 평균과 합산 분산 만 알면됩니다.

모든 어떻습니까? 이 조건이 일반적인 해결책이됩니까? $σ_{i}^{2} = σ^{2}$

σi2=σ2

Glen_b가 의견에서 언급했듯이 분산이 모두 같으면 비 중앙 카이 제곱으로 끝납니다.

그렇지 않은 경우, (A)의 개념이 일반화 카이 제곱 분포 즉, 에 대한 및 수정이. 이 경우, 대각선 ( ) 및 의 특수한 경우가 있습니다. $x^{T} A x$

xTAx

$x \sim N (μ, Σ)$

x∼N(μ,Σ)

$A$

$Σ$

$Σ_{i i} = σ_{i}^{2}$

Σii=σi2

$A = I$

A=I

이 배포판으로 물건을 계산하는 작업이있었습니다.

독립 비 중앙 카이 제곱 변수 이 경우 : $Y = \sum_{i = 1}^{n} σ_{i}^{2} (\frac{X_{i}^{2}}{σ_{i}^{2}})$

Y=∑i=1nσi2(Xi2σi2)

Bausch (2013) 는 중심 카이 제곱의 선형 조합에 대해보다 계산적으로 효율적인 알고리즘을 제공합니다. 그의 작품은 비 중앙 카이 제곱으로 확장 가능할 수 있으며 관련 작업 섹션에서 흥미로운 포인터를 찾을 수 있습니다.

이것은 n 자유도의 카이-제곱이 될 것입니다.

How IT