8 votos

Demostrar que los cuadrados de las rv normales se distribuyen por Chi-cuadrado

Empiezo con tres variables aleatorias independientes, $X_1, X_2, X_3$ . Cada uno de ellos se distribuye normalmente con:

$$X_i \sim N(\mu_i, \sigma^2), i = 1, 2, 3.$$

Entonces tengo tres transformaciones,

$$\eqalign{ Y_1 &= -X_1/\sqrt{2} + X_2/\sqrt{2} \cr Y_2 &= -X_1/\sqrt{3} - X_2/\sqrt{3} + X_3/\sqrt{3} \cr Y_3 &= X_1/\sqrt{6} + X_2/\sqrt{6} + 2X_3 / \sqrt{6} \cr }$$

Se supone que debo mostrar que cuando $\mu_i = 0,$ $i = 1, 2, 3,$ $(Y_1^2 + Y_2^2 + Y_3^2)/\sigma^2 \sim \chi^2(3)$ . También he mostrado las transformaciones para preservar la independencia, ya que la matriz de transformación es ortogonal.

Ya he demostrado que las expectativas de $Y_1, Y_2, Y_3$ es 0 y sus varianzas son todas iguales. Utilizando la pdf normal, he demostrado que:

$$Y_i^2 \sim \frac{1}{2\pi\sigma^2} \exp(-2x^2 / 2\sigma^2).$$

Pensé en aplicar una sustitución de $z = 2x^2 / \sigma^2$ para obtener el exponente en una forma similar a la del chi-cuadrado $\exp(-x/2)$ pero no sé qué hacer con las constantes de fuera para que se parezcan. ¿Podría alguien echarme una mano?

0 votos

Si se ha demostrado la independencia y las medias nulas, sólo hay que comprobar si los errores estándar son unos. En su caso, si ponemos $\sigma^2$ dentro del paréntesis, su afirmación se seguirá si se demuestra que $EY_i^2/\sigma^2=1$

1 votos

@Christopher (he texificado tu pregunta para hacerla legible.) Deberías comprobar la forma de distribución de $Y_i^2$ porque es incorrecta: no es gaussiana, sino exponencial. (Es decir, el argumento de exp debería ser lineal en $x$ no $x^2$ .) También debe haber un factor de $x^{-1/2}$ . Una vez arreglado esto, todo lo que hay que demostrar es que una suma de distribuciones Gamma es también Gamma.

0 votos

@Whuber: ¡Gracias por sacarme de dudas! $Y_i$ tiene una distribución normal, siendo una transformación lineal de dos variables aleatorias normales. No he especificado la distribución de $Y_i$ pero me imagino que será $\chi^2(1)$ . El sqrt(x) también me confundió. No estaba seguro de dónde debía venir. En el pdf normal no pude ver un sqrt(x) viniendo de. Esperaba que alguien tuviera indicaciones.

5voto

TimDaMan Puntos 116

Quiero ofrecer una solución desde el punto de vista del álgebra matricial.

Dejemos que $$ U' = \left[\begin{matrix} -1/\sqrt{2} && 1/\sqrt{2} && 0 \\ -1/\sqrt{3} && -1/\sqrt{3} && 1/\sqrt{3} \\ 1/\sqrt{6} && 1/\sqrt{6} && 2/\sqrt{6} \end{matrix}\right]$$

Como $Y = U'X$ ,

$$E(Y) = E(U'X) = U' \cdot 0 = 0$$ $$Var(Y) = U' Var(X) U = \sigma^2 U' U = \sigma^2 I $$

Puedes ver $Y_1, Y_2, Y_3$ en $Y$ son todos los siguientes $N(0, \sigma^2)$ y son independientes entre sí. Entonces se puede demostrar $Y_i^2/\sigma^2 \sim \chi^2(1)$ y, por último, $(Y_1^2 + Y_2^2 + Y_3^2)/\sigma^2 \sim \chi^2(3)$

0 votos

¿Puede dar algunas referencias sobre cómo abordar problemas como éstos utilizando matrices?

4voto

Marc-Andre R. Puntos 789

Tenemos $X_1\sim N(\mu_1,\sigma^2)$ y $X_2\sim N(\mu_2,\sigma^2)$ Por lo tanto

$$EY_1=E(-X_1/\sqrt{2}+X_2/\sqrt{2})=-1/\sqrt{2}EX_1+1/\sqrt{2}EX_2=0$$

\begin{align*} EY_1^2&=E(-X_1/\sqrt{2}+X_2/\sqrt{2})^2\\\\ &=E(X_1/\sqrt{2})^2-2E(X_1X_2/2)+E(X_2/\sqrt{2})^2\\\\ &=1/2\sigma^2+1/2\sigma^2=\sigma^2 \end{align*}

Por lo tanto, $Y_1\sim N(0,\sigma^2)$ ya que es la combinación lineal de variables normales.

Del mismo modo, obtenemos $Y_2\sim N(0,\sigma^2)$ y $Y_3\sim N(0,\sigma^2)$

Ahora

$$EY_1Y_2=1/\sqrt{6}E(X_1)^2-1/\sqrt{6}EX_2^2=0$$

y de manera similar $EY_2Y_3=EY_1Y_3=0$ Por lo tanto $Y_1$ , $Y_2$ y $Y_3$ son independientes, ya que para las variables normales la independencia coincide con la correlación cero.

Una vez establecido que tenemos

$$(Y_1^2+Y_2^2+Y_3^2)/\sigma^2=\left(\frac{Y_1}{\sigma}\right)^2+\left(\frac{Y_2}{\sigma}\right)^2+\left(\frac{Y_3}{\sigma}\right)^2=Z_1^2+Z_2^2+Z_3^2$$ ,

donde $Z_i=Y_i/\sigma$ . Desde $Y_i\sim N(0,\sigma^2)$ tenemos $Z_i\sim N(0,1)$ .

Hemos demostrado que nuestra cantidad de interés es una suma de cuadrados de 3 variables normales estándar independientes, que por definición es $\chi^2$ con 3 grados de libertad.

Como he dicho en los comentarios no es necesario calcular las densidades. Si por el contrario quieres hacerlo, tu fórmula es incorrecta. He aquí la razón. Denota por $G(x)$ distribución de $Y_1^2$ y $F(x)$ la distribución de $Y_1$ . Entonces tenemos

$$G(x)=P(Y_1^2<x)=P(-\sqrt{x}<Y_1<\sqrt{x})=F(\sqrt{x})-F(-\sqrt{x})$$

Ahora la densidad de $Y_1^2$ es $G'(x)$ Así que

$$G'(x)=\frac{1}{2\sqrt{x}}(F'(\sqrt{x})+F'(-\sqrt{x})$$

Tenemos que

$$F'(x)=\frac{1}{\sigma\sqrt{2\pi}}e^{-\frac{x^2}{\sigma^2}},$$

así que

$$G'(x)=\frac{1}{\sigma\sqrt{2\pi x}}e^{-\frac{x}{2}}$$

Si $\sigma^2=1$ tenemos un pdf de $\chi^2$ con un grado de libertad. (Obsérvese que para $Z_1$ en lugar de $Y_1$ el cálculo es similar y $\sigma^2=1$ ) Como señaló @whuber, esto es gamma y la suma de distribuciones gamma independientes es de nuevo gamma, la fórmula exacta se proporciona en la página de la wikipedia.

0 votos

Gracias, mpiktas. Me imaginé que debía haber un error en alguna parte de mi pdf.

1voto

aron Puntos 174

¿Has probado a multiplicar simplemente los Y^2 al cuadrado en términos de los términos X[1:3]? Sospecho que cuando hayas terminado verás que simplemente tienes (1/2 +1/3 +1/6)* X1^2 + (1/2 +1/3 +1/6)*X2^2 + (1/2 +1/3 +1/6)*X3^2 . Esto, por supuesto, supone que X1X3=X3X1, es decir, que tu álgebra de variables aleatorias es conmutativa, pero a menos que estés trabajando con variables complejas en física de partículas, esa suposición debería mantenerse. Hasta ahora he llegado más o menos a la mitad del camino, y mi enfoque parece mantenerse. Parece que sería útil que tú hicieras el ejercicio, en lugar de que yo lo expusiera.

0 votos

Este método es equivalente, y probablemente sería el camino a seguir, si no hubiera calculado ya las medias y varianzas de los Yi. De cualquier manera, se atasca en el mismo punto, creo.

0 votos

No es así. Usted ha demostrado (o al menos yo lo he hecho ahora) que ((Y1^2 + Y2^2 + Y3^2) == (X1^2 + X2^2 + X3^2) y seguramente eso es suficiente para establecer la chi-sq-ness cuando se tiene Xi ~ N(0, sigma^2)

0 votos

Ahí es donde radica el problema. Estoy buscando cómo hacerlo. No sé cómo pasar de tener una suma de tres pdf normales al cuadrado a una pdf chi-cuadrado con df=3.

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