2 votos

Demostrar que $\frac{\sum_{i=1}^n (X_i - \bar{X})^2}{\sigma^2}\,\sim \,\chi_{(n-1)}^2$

Si $X_1, \ldots, X_n$ son iid $\sim N(\mu,\sigma^2)$ ,

$\frac 1 {\sigma^2} \Big((X_1-\bar X)^2 + \cdots + (X_n - \bar X)^2 \Big) \sim \chi^2_{n-1}$ .

Esto ha sido se muestra con proyecciones de álgebra lineal y es el punto de partida para derivar el densidad de la $t$ -Estudiante distribución.

Realmente me gustaría conseguir una demostración sin las matemáticas avanzadas en proyecciones de álgebra lineal (si es posible), o con una explicación detallada de los pasos seguidos en la derivación (si el uso de proyecciones es esencial). Gracias.

3voto

scaganoff Puntos 1404

Observe lo siguiente:

Desde $X_i \sim N(\mu, \sigma^2) \Rightarrow X_i - \mu \sim N(0, \sigma^2) $ y que $\frac{X_i - \mu}{\sigma} \sim N(0,1)$ .

Ahora, por definición, un $\chi^2_1$ se define como $Z^2$ donde $Z \sim N(0,1)$ .

Eso significa que $(\frac{X_i - \mu}{\sigma})^2 \sim N(0,1)^2 = \chi^2_1$ .

Por último, observe que $\sum_{i=1}^n \chi^2_1 = \chi^2_n$ . Esto se puede ver en la prueba aquí:

https://onlinecourses.science.psu.edu/stat414/node/171

Así que ahora hemos demostrado que $\sum_{i=1}^n (\frac{X_i - \mu}{\sigma})^2 \sim \chi^2_n$ .

Ya casi estamos. En su caso se sustituye el $\mu$ con un $\bar{X}$ . Esa es la práctica habitual en estadística cuando no se conoce el verdadero valor del parámetro y, en ese caso, reducimos los grados de libertad en uno. Por esa misma razón, tenemos que $\sum_{i=1}^n (\frac{X_i - \bar{X}}{\sigma})^2 \sim \chi^2_{n-1}$ .

Si quieres una prueba rigurosa de por qué el menos uno, entonces tendrás que entrar en el álgebra lineal. Una discusión rápida se puede encontrar aquí: https://en.wikipedia.org/wiki/Degrees_of_freedom_%28statistics%29

Espero que eso ayude.

1voto

Nishchay Sharma Puntos 693

Aquí hay un escrito de este problema exacto que hice hace unos meses. Esto es sólo el caso especial para i.i.d $\mathsf{N}(0,1)$ pero sólo debería desviarse por unas pocas constantes multiplicativas del caso general.

Derivación de la distribución Chi-Cuadrado

Se trata de encontrar la FCD de la distribución Chi-Cuadrado, es decir, una función tal que para $n$ i.i.d normalmente distribuido CRVs $Z_1,...,Z_n\sim\mathsf{N}(0,1)$ $$\Xi(\chi^2)=\Pr\left(\sum_{i=1}^n {Z_i}^2< \chi^2\right)$$ Para empezar consideramos el vector aleatorio $$\underline{Z}=(Z_1,...,Z_n)^{\mathrm{T}}$$ Que se distribuye según el PDF $$\varphi(\underline{z})= \frac{1}{\left(\sqrt{2\pi }\right)^n}\exp\left(\frac{-\Vert\underline{z}\Vert^2}{2}\right)$$ Así que entonces $$\Pr\left(\Vert\underline{Z}\Vert^2<\chi^2\right)=\int\limits_{\mathcal{B}(0,\chi)}\varphi(\underline{z})\mathrm{d}V$$ Para ello suponemos $n>3$ y convertirlo en coordenadas hiperesféricas. El $n=1,2$ Los casos son fáciles y se pueden trabajar individualmente. $$z_1=r\cos(\theta_1)~;~z_n=r\prod_{i=1}^{n-1}\sin(\theta_i)$$ Y para $k\notin \{1,n\}$ $$z_k=r\cos(\theta_k)\prod_{i=1}^{k-1}\sin(\theta_i)$$ En este sistema de coordenadas el elemento de volumen es $$\mathrm{d}V=r^{n-1}\mathrm{d}r\mathrm{d}\theta_{n-1}\prod_{k=1}^{n-2}\sin^{n-k-1}(\theta_k)\mathrm{d}\theta_k$$ Entonces nuestra integral es $$\frac{1}{\left(\sqrt{2\pi}\right)^n}\underbrace{\int\limits_0^\pi \cdots\int\limits_0^\pi}_{n-2\text{ of these}}\int\limits_0^{2\pi} \int\limits_0^\chi \exp\left(\frac{-r^2}{2}\right)r^{n-1}\mathrm{d}r\mathrm{d}\theta_{n-1}\prod_{k=1}^{n-2}\sin^{n-k-1}(\theta_k)\mathrm{d}\theta_k$$ Podemos expresar la $r$ integral en términos de la función Gamma incompleta inferior $$\int_0^\chi \exp\left(\frac{-r^2}{2}\right)r^{n-1}\mathrm{d}r=\left(\sqrt{2}\right)^{n-2}\gamma\left(\frac{n}{2},\frac{\chi^2}{2}\right)$$ Por lo tanto, después de integrar con respecto a $\theta_{n-1}$ $$\Pr(\Vert\underline{Z}\Vert^2<\chi^2)=\frac{\gamma\left(\frac{n}{2},\frac{\chi^2}{2}\right)}{\sqrt{\pi}^{n-2}} \int\limits_0^\pi \cdots\int\limits_0^\pi\prod_{k=1}^{n-2}\sin^{n-k-1}(\theta_k)\mathrm{d}\theta_k$$ A partir de aquí hacemos uso de la identidad integral $$\int_0^\pi \sin^m(x)\mathrm{d}x=\sqrt{\pi}\frac{\Gamma\left(\frac{m}{2}+\frac{1}{2}\right)}{\Gamma\left(\frac{m }{2}+1\right)}\tag1{}$$ Así que $$\Pr(\Vert\underline{Z}\Vert^2<\chi^2)=\gamma\left(\frac{n}{2},\frac{\chi^2}{2}\right)\prod_{k=1}^{n-2}\frac{\Gamma\left(\frac{n-k}{2}\right)}{\Gamma\left(\frac{n-k+1}{2}\right)}\tag{2}$$ El producto anterior (2) se simplifica bastante bien, y obtenemos la FCD de chi-cuadrado $$\Xi(x;n):=\Pr(\Vert\underline{Z}\Vert^2<x)=\frac{\gamma\left(\frac{n}{2},\frac{x}{2}\right)}{\Gamma(n/2)}$$ Que podemos diferenciar para obtener el PDF de chi cuadrado: $$\xi(x;n)=\frac{x^{n/2-1}e^{-x/2}}{2^{n/2}\Gamma(n/2)}$$


PRUEBAS DE LAS IDENTIDADES (1),(2) Empezaremos con la integral - $$I_m=\int_0^\pi \sin^m(x)\mathrm{d}x$$ Integrar por partes. Que $u=\sin^{m-1}(x)$ , $\mathrm{d}v=\sin(x)\mathrm{d}x$ $$I_m=\int_0^\pi u~\mathrm{d}v=\underbrace{(uv)\big|^\pi_0}_{\sin0=\sin\pi=0}-\int_0^\pi v~\mathrm{d}u$$$$I_m=(m-1)\int_0^\pi\cos^2(x)\sin^{m-2}(x)\mathrm{d}x$$$$\frac{I_m}{m-1}=\int_0^\pi \sin^{m-2}(x)\mathrm{d}x-\int_0^\pi \sin^m(x)\mathrm{d}x$$ Así que tenemos una relación de recurrencia $$\frac{I_m}{m-1}+I_m=I_{m-2}\text{ or, equivalently }I_{m+2}=\frac{m+1}{m+2}I_m$$ Con los datos iniciales $I_0=\pi=\Gamma(1/2)^2$ , $I_1=2$ . Se puede comprobar que $$I_m=\sqrt{\pi}\frac{\Gamma\left(\frac{m+1}{2}\right)}{\Gamma\left(\frac{m}{2}+1\right)}$$ Satisface la recurrencia. También se podría obtener la solución de forma constructiva utilizando la propiedad recursiva de Gamma, a saber, $\Gamma(z+1)=z\Gamma(z)$ en el denominador y la fórmula de duplicación de Legendre en el numerador: $$\Gamma(2z)=\frac{2^{2z-1}\Gamma(z)\Gamma(z+1/2)}{\sqrt{\pi}}$$ Esto da que para los enteros $m$ , $$\Gamma\left(\frac{m}{2}+\frac{1}{2}\right)=\frac{\sqrt{\pi}(m-1)!}{2^{m-1}\Gamma(m/2)}$$ Así que se podría escribir la solución como $$I_m=\frac{\pi}{2^{m-2}m}\frac{(m-1)!}{\Gamma(m/2)^2}|m\neq0$$ Quizás esto sea más fácil de obtener dadas nuestras condiciones iniciales.

Ahora la prueba de la identidad del producto, $$P_n=\prod_{k=1}^{n-2}\frac{\Gamma\left(\frac{n-k}{2}\right)}{\Gamma\left(\frac{n-k+1}{2}\right)}=\frac{1}{\Gamma(n/2)}$$ Podemos hacer un cambio de índice: $$\prod_{k=1}^{n-2}\frac{\Gamma\left(\frac{n-k}{2}\right)}{\Gamma\left(\frac{n-k+1}{2}\right)}=\prod_{k=2}^{n-1}\frac{\Gamma(k/2)}{\Gamma\left(\frac{k+1}{2}\right)}$$ Podemos volver a cambiar el índice a $$P_n=\prod_{k=1}^{n-2}\frac{\Gamma\left(\frac{k+1}{2}\right)}{\Gamma\left(\frac{k+2}{2}\right)}=\frac{\prod_{i=2}^{n-1}\Gamma(i/2)}{\prod_{j=3}^{n}\Gamma(j/2)}$$ Ampliando, $$P_n=\frac{\Gamma(2/2)\Gamma(3/2)...\Gamma((n-1)/2)}{\Gamma(3/2)...\Gamma((n-1)/2)\Gamma(n/2)}$$ Por lo tanto, $$P_n=\frac{1}{\Gamma(n/2)}.$$

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