Distribución de la relación gaussiana: derivados wrt subyacentes 's y s


28

Estoy trabajando con dos distribuciones normales independientes e , con medias y y varianzas y .Y μ x μ y σ 2 x σ 2 yXYμxμyσx2σy2

Estoy interesado en la distribución de su relación . Ni ni tienen una media de cero, por lo que no se distribuye como Cauchy.Z=X/YXYZ

Necesito encontrar el CDF de , y luego tomar la derivada del CDF con respecto a , , y .Zμxμyσx2σy2

¿Alguien sabe un documento donde estos ya se han calculado? ¿O cómo hacer esto yo mismo?

Encontré la fórmula para el CDF en un artículo de 1969 , pero tomar estos derivados definitivamente será un gran dolor. ¿Quizás alguien ya lo ha hecho o sabe cómo hacerlo fácilmente? Principalmente necesito saber los signos de estos derivados.

Este documento también contiene una aproximación analíticamente más simple si es mayormente positivo. No puedo tener esa restricción. Sin embargo, ¿quizás la aproximación tiene el mismo signo que la derivada verdadera incluso fuera del rango del parámetro?Y


44
He agregado para ti. Escribiste "sigma" pero mencionaste que se trataba de variaciones, así que las hice sigma-cuadrado. Asegúrese de que todavía diga lo que quiere preguntar. TEX
gung - Restablece a Monica

3
en.wikipedia.org/wiki/Ratio_distribution tiene la función de densidad de probabilidad.
Douglas Zare

2
Ese es el mismo PDF que en el documento anterior. Estoy tratando de tomar la derivada del CDF con respecto a los mus y sigmas subyacentes.
ABC

2
La fórmula del pdf encontrada por David Hinkley está completamente en forma cerrada. Entonces puede tomar esos derivados, un paso a la vez. De hecho, estoy curioso sobre el punto de hacer este tipo de derivaciones que no hay ninguna razón el signo debe ser constante de manera uniforme sobre los números reales ...
Xi'an

2
@ABC Puede encontrar la densidad de en la ecuación 1 de este documento . Trabajé en eso hace algún tiempo y está de acuerdo con el resultado de Hinkley y el resultado de Marsaglia . Se puede deducir por la fuerza bruta, así como Douglas Zare sugiere (lo hice, solo lo recomiendo si realmente necesita hacerlo). X/Y

Respuestas:


1

55
Bienvenido al sitio, @Quantum. ¿Le importaría dar un breve resumen de estos documentos, para que los lectores puedan juzgar si son lo que están buscando sin tener que abrir y leer cada uno?
gung - Restablece a Monica

@gung Sí, me importa ... Es broma. Estos son los documentos más recientes sobre el tema, que contienen la expresión para la densidad de , que yo sepa. El tema no es tan candente, por lo que es probable que esta lista esté actualizada a menos que esté leyendo esto en el año 2527.Z=X/Y
Quantum

44
Quantum: eso no aborda la preocupación de @gung. Las respuestas de solo enlace generalmente no son aceptables. Gung ha preguntado si podría 'dar un breve resumen de estos documentos' (que significa 'en su respuesta'). Su descripción colectiva en un comentario no es suficiente. Proporcione una breve descripción de cada enlace (si es posible, individualmente, no colectivamente) que indique por qué lo incluyó / por qué es relevante. Tal como está, su respuesta potencialmente útil corre el riesgo de convertirse en un comentario, como ya ha sucedido con las respuestas anteriores de solo enlace a esta pregunta.
Glen_b -Reinstale a Mónica el

No entiendo por qué no existe la expectativa de la relación. Si e se distribuyen conjuntamente normalmente con una media diferente de cero, entonces la media de viene dada por , ¿qué me estoy perdiendo? Y Z = XXYxZ=XYxyp(x,y)dxdy
Royi

Lo que te falta es el hecho de que la densidad de es continua y positiva en cero, por lo que se generan colas pesadas ...y
kjetil b halvorsen

0

Considere usar un paquete matemático simbólico como Mathematica, si tiene una licencia, o Sage si no la tiene.

Si solo está haciendo un trabajo numérico, también podría considerar la diferenciación numérica.

Aunque tedioso, parece sencillo. Es decir, todas las funciones involucradas tienen derivadas fáciles de calcular. Puede usar la diferenciación numérica para probar su resultado cuando haya terminado para asegurarse de tener la fórmula correcta.


0

Este es el tipo de problema que es numéricamente muy fácil y también menos propenso a errores. Como usted dice que solo necesita los signos, supongo que las aproximaciones numéricas precisas son más que suficientes para sus necesidades. Aquí hay un código con un ejemplo de la derivada contra : μx

pratio <- function(z, mu_x=1.0, mu_y=1.0,var_x=0.2, var_y=0.2) {
    sd_x <- sqrt(var_x)
    sd_y <- sqrt(var_y)

    a <- function(z) {
        sqrt(z*z/var_x+1/var_y)
    }

    b <- function(z) {
        mu_x*z/var_x + mu_y/var_y
    }

    c <- mu_x^2/var_x + mu_y^2/var_y

    d <- function(z) {
        exp((b(z)^2 - c*a(z)^2)/(2*a(z)^2))
    }


    t1 <- (b(z)*d(z)/a(z)^3)
    t2 <- 1.0/(sqrt(2*pi)*sd_x*sd_y)
    t3 <- pnorm(b(z)/a(z)) - pnorm(-b(z)/a(z))
    t4 <- 1.0/(a(z)^2*pi*sd_x*sd_y)
    t5 <- exp(-c/2.0)
    return(t1*t2*t3 + t4*t5)
}

# Integrates to 1, so probably no typos.
print(integrate(pratio, lower=-Inf, upper=Inf))

cdf_ratio <- function(x, mu_x=1.0, mu_y=1.0,var_x=0.2, var_y=0.2) {
    integrate(function(x) {pratio(x, mu_x, mu_y, var_x, var_y)}, 
        lower=-Inf, upper=x, abs.tol=.Machine$double.eps)$value
} 

# Numerical differentiation here is very easy:
derv_mu_x <- function(x, mu_x=1.0, mu_y=1.0,var_x=0.2, var_y=0.2) {
    eps <- sqrt(.Machine$double.eps)
    left <- cdf_ratio(x, mu_x+eps, mu_y, var_x, var_y)
    right <- cdf_ratio(x, mu_x-eps, mu_y, var_x, var_y)
    return((left - right)/(2*eps))
} 
Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.