7 votos

Búsqueda de parámetros de ubicación y escala a partir de PDF

Si tengo una familia de distribuciones dada, digamos normal, ¿hay alguna forma de deducir cuáles son los parámetros de localización y escala a partir de la función de densidad de probabilidad (PDF)?

Sé que en caso de distribución normal, es $\mu$ y $\sigma$ respectivamente. Sé cómo mostrar, que estos dos son de hecho los parámetros de ubicación y escala.

Pero, ¿y si no tuviera ni idea de cuáles son los parámetros de escala y ubicación y quisiera utilizar PDF para encontrarlos?

Alternativamente, si no puedo saber a partir de PDF como tal, ¿hay algún otro enfoque de derivar la ubicación y la escala?

No tiene por qué restringirse a la distribución Normal. Alternativamente, me gustaría saber, cómo derivar, que para la distribución Uniforme[a, b] tengo ubicación a y escala b - a.

5voto

jldugger Puntos 7490

Hablemos de lo que es un parámetro de localización. (La discusión sobre los parámetros de escala será exactamente paralela y ofrece pocas novedades).

El escenario se refiere a un conjunto $\mathcal{F}$ de distribuciones de probabilidad $F_\theta$ indexado por un parámetro $\theta \in \Theta \subset \mathbb{R}^p$ . "Indexado por" no sólo significa cada $\theta\in\Theta$ denota una distribución $F_\theta$ : también significa que ninguna distribución se identifica con más de una de estas $\theta$ .

Considere cualquier propiedad de ubicación-covariante de $F_\theta$ como un cuantil específico (que siempre existirá) o su primer momento (que podría existir para algunas familias de distribuciones). Por "propiedad" entiendo, en general, una función "agradable" de valor real $t$ ("agradable" se explicará momentáneamente) definida en esta familia de distribuciones y "covariante de localización" significa que para cualquier $F$ en la familia, $$t(F^{(\mu)}) = t(F) + \mu$$

donde el traductor $F^{(\mu)}$ es la función de distribución dada por

$$F^{(\mu)}(x) = F(x-\mu).$$

Considere cualquier $\theta_0$ en el interior de $\Theta$ . Se supone que las parametrizaciones tienen la propiedad de que tal $\theta_0$ tendrá un $p$ -vecindario dimensional $\mathcal{B}$ en el que $t$ es diferenciable con derivada distinta de cero en todo su recorrido (eso es lo que significa "agradable"). El Teorema de la Función Implícita implica entonces que existe un sistema de coordenadas en esta vecindad en el que la primera coordenada es $t$ y el resto $p-1$ son funciones diferenciables. Localmente, al menos, las distribuciones pueden parametrizarse mediante $t$ y por el subconjunto de codimensión 1 de $\mathcal{B}$ cuya primera coordenada es $t(\theta_0)$ . Esto da un nuevo conjunto de coordenadas $\gamma=(\gamma_1,\ldots, \gamma_p)$ con $\gamma_1=t$ .

Decimos que $t$ es un parámetro de ubicación para la familia. Tiene la propiedad de que si arreglamos el último $p-1$ coordenadas en $\mathcal{B}$ entonces la función de distribución se puede escribir de la forma

$$F_{(t, \gamma_2, \ldots,\gamma_p)}(x) = H_{(\gamma_2,\ldots, \gamma_p)}(x-t)$$

donde $H$ (y por tanto cualquier cosa equivalente a ella, como su pdf si lo tiene) depende sólo del último $p-1$ parámetros. Así es como se reconoce un parámetro de localización: el argumento de la función de distribución aparece en la fórmula sólo como la combinación $x-t$ .


Pongamos un ejemplo. Supongamos que cada $F_\theta$ en el interior de $\Theta = \{(\theta_1,\theta_2)\mid \theta_1 \ge 0\}$ es continua y viene dada en términos de su pdf $f_\theta$ como

$$f_\theta(x) \propto \exp(-\theta_1 x^2 + \theta_2 x) \propto \exp\left(-\theta_1\left(x - \frac{\theta_2}{2\theta_1}\right)^2\right).\tag{1}$$

¿Es una familia de localización? En caso afirmativo, ¿cuál es su parámetro de localización?

En la primera fórmula de $(1)$ , no hay ningún parámetro de ubicación obvio: $f_\theta$ no es explícitamente una función de $x-\theta_1$ ou $x-\theta_2$ .

La segunda fórmula de $(1)$ muestra que cada pdf es simétrico en torno al valor $$t(\theta) = \frac{\theta_2}{2\theta_1},$$ que por lo tanto debe ser la mediana. Dado que la mediana es una propiedad covariante de la localización, podemos explotar esta observación para construir un parámetro de localización.

Considere $\theta_0 = (1,0)$ por ejemplo. Elegí esto para hacer $t(\theta_0)=0$ tienen un valor simple. El conjunto de niveles de $t$ de paso $\theta_0$ viene dado por

$$0 = t(1,0) = t(\theta_1, \theta_2) = \frac{\theta_2}{2\theta_1},$$

mostrando que (localmente) es el conjunto donde $\theta_2=0$ y podemos parametrizarla por $\theta_1$ . Por lo tanto, cambiemos la parametrización de $\theta$ a

$$\gamma = (\gamma_1, \gamma_2) = (t(\theta_1, \theta_2), \theta_1) = \left( \frac{\theta_2}{2\theta_1}, \theta_1\right).$$

El punto base $\theta_0$ corresponde a $\gamma_0 = (0, 1)$ .

La inversa de esta transformación de $\theta$ a $\gamma$ es

$$\theta = (\theta_1, \theta_2) = \left(\gamma_2, 2\gamma_1\gamma_2\right).$$

Por tanto, la nueva parametrización es

$$G_\gamma(x) = F_{\left(\gamma_2, 2\gamma_1\gamma_2\right)}(x) \propto \exp\left(-\gamma_2(x - \gamma_1)^2\right).$$

Ahora es perfectamente obvio que $\gamma_1$ es un parámetro de localización, porque su único efecto es desplazar $x$ en la fórmula.

Al encontrar un candidato a parámetro de localización y demostrar que actúa como tal, hemos verificado que se trata de una familia de localización y hemos encontrado un parámetro de localización para ella. Por cierto, también hemos identificado este parámetro con una propiedad covariante de la localización: la mediana.

3voto

jasonmray Puntos 1303

Consideremos una variable aleatoria $Z$ con cualquier función de densidad $f_Z(z)$ . Puede definir una familia de escala de localización con la transformación $X=\phi Z +\theta$ y la nueva función de densidad viene dada por

$$f_X(x;\theta,\phi) = \frac{1}{\phi}\cdot f_Z\left(\frac{x-\theta}{\phi}\right)$$

Por tanto, cualquier familia de distribuciones cuya función de densidad pueda escribirse de esta forma es una familia de localización-escala.

Por ejemplo, la familia de distribuciones uniformes en $(a,b)$ viene definida por la función de densidad

$$f_X(x;a,b) = \frac{1}{b-a}\cdot \boldsymbol{1}_{[a,b]}(x)$$

que puede reescribirse como

$$f_X(x;a,b) = \frac{1}{b-a}\cdot \boldsymbol{1}_{[0,1]}\left(\frac{x-a}{b-a}\right)$$

$$f_X(x;a,b) = \frac{1}{b-a}\cdot f_X\left(\frac{x-a}{b-a};0,1\right)$$

demostrando que $a$ es un parámetro de localización & $b-a$ es un parámetro de escala.

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