19 votos

Distribución de la diferencia de las variables chi-cuadrado

Estoy tratando de obtener la función de distribución de probabilidad de $Z=X-Y$ . Dado que $f_X(x)$ y $f_Y(y)$ son conocidas, y ambas variables tienen una distribución chi-cuadrado, $X\in\mathbb{R}$ , $X\ge 0$ , y de forma similar $Y\in\mathbb{R}$ , $Y\ge 0$ . Entonces, ¿cómo puedo conseguir $f_Z(z)$ .

1 votos

¿Son $\chi^2$ -¿distribuido con los mismos parámetros, o diferente?

5 votos

Independientemente de la distribución, es necesario conocer el conjunta distribución de $X$ y $Y$ para responder a la pregunta. Para el caso especial de que $X$ y $Y$ son independiente la densidad de $X-Y$ es el convolución de las densidades de $X$ y $-Y$ en particular, $$f_{X-Y}(z) = \int_{-\infty}^{\infty} f_X(x)f_Y(x-z)\mathrm dx.$$ Como indica Sasha, esta integral es más fácil de calcular cuando las densidades de $X$ y $Y$ tienen el mismo parámetro de escala.

0 votos

@DilipSarwate : Tomé el comentario de Sasha como algo relacionado con los grados de libertad. El número de grados de libertad no es un parámetro de escala.

18voto

Robert Christie Puntos 7323

Supongamos que $X$ y $Y$ son independientes, y ambos siguen $\chi^2$ -distribución con $\nu$ grados de libertad.

Entonces $Z = X-Y$ es simétrica respecto al origen distribución varianza-gamma con parámetros $\lambda = \frac{\nu}{2}$ , $\alpha=\frac{1}{2}$ y $\beta=0$ y $\mu = 0$ .

La mejor manera de ver esto es a través de la función de generación de momentos: $$ \mathcal{M}_X(t) = \mathcal{M}_Y(t) = \left(1-2 \, t\right)^{-\nu/2} $$ Entonces $$ \mathcal{M}_Z(t) = \mathcal{M}_X(t) \mathcal{M}_Y(-t) = \left( 1-4 t^2 \right)^{-\nu/2} = \left( \frac{1/4}{1/4-t^2}\right)^{\nu/2} $$ Ahora esto que coincide con la función generadora de momentos de la distribución gamma de varianza: $$ \mathcal{M}_{\rm{V.G.}(\lambda,\alpha,\beta,\mu)}(t) = \mathrm{e}^{\mu t} \left( \frac{\alpha^2 -\beta^2}{\alpha^2 - (\beta+t)^2 } \right)^\lambda $$ Para dichos parámetros, $\mu=\beta=0$ , $\alpha=\frac{1}{2}$ y $\lambda=\frac{\nu}{2}$ la densidad tiene la siguiente forma: $$ f_Z(z) = \frac{1}{2^{\nu/2}\sqrt{\pi}} \frac{1}{\Gamma\left(\frac{\nu}{2}\right)} \vert z \vert^{\tfrac{\nu-1}{2}} K_\tfrac{\nu-1}{2}\left(\vert z \vert \right) $$ La función $f_Z(z)$ es continua en $z=0$ para $\nu > 1$ con $$ \lim_{z \to 0} f_Z(z) =\frac{1}{4 \sqrt{\pi }} \frac{\Gamma \left(\frac{\nu }{2}-\frac{1}{2}\right)}{ \Gamma \left(\frac{\nu }{2}\right)} $$

0 votos

Gracias, ahora lo entiendo mejor. Nunca he pensado que puedo utilizar el MGF con la variable invertida en signo, es decir, $\mathcal{M}(-t)$ .

0 votos

@Remmy Esto se debe simplemente a que $\mathcal{M}_Z(t) = \mathbb{E}(\exp(t Z)) = \mathbb{E}(\exp(t X) \exp(-t Y)) = \mathcal{M}_X(t) \mathcal{M}_Y(-t)$ por la independencia.

1 votos

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