Некоторый фон
Распределение определяется как распределение, которое получается в результате суммирования квадратов независимых случайных величин , поэтому:
где обозначает, что случайные величины и иметь одинаковое распределение (EDIT: будет обозначать как распределение Хи-квадрат с степенями свободы, так и случайную величину с таким распределением ). Теперь pdf дистрибутива
n N ( 0 , 1 ) Если X 1 , … , X n ∼ N ( 0 , 1 ) и независимы, то Y 1 = n ∑ i = 1 X 2 i ∼ χ 2χ2nnN(0,1)X∼YXYχ 2 n nχ 2 n fχ2(x
If X1,…,Xn∼N(0,1) and are independent, then Y1=∑i=1nX2i∼χ2n,
X∼YXYχ2nnχ2nfχ2(x;n)=12n2Γ(n2)xn2−1e−x2,for x≥0 (and 0 otherwise).
Так что, действительно, является частным случаем распределения с pdf
Теперь ясно, что .
χ2nΓ(p,a)fΓ(x;a,p)=1apΓ(p)xp−1e−xa,for x≥0 (and 0 otherwise).
χ2n∼Γ(n2,2)
Ваш случай
Разница в вашем случае в том, что у вас есть нормальные переменные с общими дисперсиями . Но в этом случае возникает аналогичное распределение:
поэтому следует распределению, полученному в результате умножения случайной величины на . Это легко получить с помощью преобразования случайных величин ( ):
Обратите внимание, что это то же самое, что сказать, чтоσ 2 ≠ 1 Y 2 =Xiσ2≠1Yχ2nσ
Y2=∑i=1nX2i=σ2∑i=1n(Xiσ)2∼σ2χ2n,
Yχ2nσ2Y2=σ2Y1fσ2χ2(x;n)=fχ2(xσ2;n)1σ2.
Y2∼Γ(n2,2σ2)так может быть поглощен гамма в параметра.
σ2a
Заметка
Если вы хотите извлечь pdf из с нуля (что также относится к ситуации с при незначительных изменениях), вы можете выполнить первый шаг здесь для используя стандартное преобразование для случайных величин. Затем вы можете выполнить следующие шаги или сократить доказательство, опираясь на свойства свертки гамма-распределения и его связь с описанным выше. σ 2 ≠ 1 χ 2 1 χ 2 nχ2nσ2≠1χ21χ2n