1 votos

¿Es esta la función de distribución acumulativa para una distribución normal dividida?

La distribución normal dividida es una función de densidad de probabilidad que consiste en dos mitades de distribuciones normales, una por debajo de la moda $\mu$ y otra por encima, con diferentes desviaciones estándar, escaladas para ser continuas. Se define como sigue:

$$s(t) = \begin{cases}t\lt\mu & A\exp\left(-\frac{\left(t-\mu\right)^2}{2\sigma^2_1}\right) \\ t\ge\mu & A\exp\left(-\frac{\left(t-\mu\right)^2}{2\sigma^2_2}\right)\end{cases}$$

donde $\sigma_1$ y $\sigma_2$ son las desviaciones típicas de los lados izquierdo y derecho, respectivamente, y $A$ (una constante utilizada para que las mitades se encuentren) es la siguiente: $$A = \frac{\sqrt{\frac{2}{\pi}}}{\sigma_1+\sigma_2}$$

Estoy tratando de encontrar la función de distribución acumulativa de dicha distribución, de la siguiente manera: $$S(x) = \int_{-\infty}^{x} s(t)dt $$

Desgraciadamente, no sé suficiente cálculo para integrar esto yo mismo, así que intenté usar Wolfram|Alpha. Sin embargo, no pude encontrar ninguna forma de introducir una función a trozos, así que hice lo posible por confiar en las reglas de integración. Mi primera idea fue convertir $S(x)$ en la siguiente forma:

$$S(x) = \begin{cases}t\lt\mu & \int_{-\infty}^t{s(t)dt} \\ t\ge\mu & \int_{-\infty}^\mu{s(t)dt} + \int_\mu^t{s(t)dt} \end{cases}$$

Sin embargo, Wolfram no pudo evaluar la anterior integral (en el tiempo asignado), por lo que tuve que reformularla en una que sí pudiera, así:

$$S(x) = \begin{cases}t\lt\mu & \int_{-\infty}^\mu{s(t)dt} - \int_t^\mu{s(t)dt} \\ t\ge\mu & \int_{-\infty}^\mu{s(t)dt} + \int_\mu^t{s(t)dt}\end{cases}$$

Creo que estos se convierten en esto cuando se evalúan (la única diferencia entre los dos son los sigmas del lado derecho):

$$S(x) = \begin{cases}t\lt\mu & 2\sigma_1 - 2\sigma_1 \mathrm{erf}\left(\frac{\sqrt{2}\left(u-t\right)}{2\sigma_1}\right) \\ t\ge\mu & 2\sigma_1 - 2\sigma_2 \mathrm{erf}\left(\frac{\sqrt{2}\left(u-t\right)}{2\sigma_2}\right)\end{cases}$$

¿Hay algún error en este proceso, o es esta la función de densidad acumulativa correcta? No tengo mucha práctica en la manipulación de integrales, así que siento que puedo estar pasando por alto algún error sutil.

0voto

Will Green Puntos 758

Su solución cdf parece estar equivocada porque su primera parte no depende de $\sigma_2$ mientras que ambos componentes dependen de $\sigma_2$ (a través del factor de ponderación). Es fácil de comprobar utilizando un sistema de álgebra computacional...

Dado $X$ tiene pdf $f(x)$ :

enter image description here

Entonces, la fdc $P(X<x)$ es:

enter image description here

donde estoy usando el Prob de la función mathStatica paquete para Mathematica para hacer el trabajo de fondo. Como revelación, debo añadir que soy uno de los autores.

Me gusta su estructura Split Normal. Aquí hay un gráfico del pdf $f(x)$ cuando el modo $\mu = 0$ , $\sigma_1 = 1$ y a 3 valores diferentes de $\sigma_2$ :

enter image description here

...

y los correspondientes gráficos de la fdc:

enter image description here

i-Ciencias.com

I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.

Powered by:

X