MultivariateTDistribution
MultivariateTDistribution[Σ,ν]
表示尺度矩阵为 Σ、自由度参数为 ν 的多元学生 分布.
MultivariateTDistribution[μ,Σ,ν]
表示位置为 μ、尺度矩阵为 Σ 以及自由度为 ν 的多元学生 分布.
更多信息
- 在多变量 分布中向量 的概率密度与 成正比,其中 是 的长度.
- 多元学生 分布表征的是一个多元正态变量与变量间协方差的比值.
- MultivariateTDistribution 允许 Σ 为任意 × 对称正定实数矩阵,μ 为任意实数向量,其中 p=Length[μ], ν 为任意正实数.
- 均值向量 μ 和协方差矩阵 Σ 可以是使得 μ⊗μ 和 Σ 的对应元素具有相同的单位量纲的量,而 ν 可以是一个无量纲量. »
- MultivariateTDistribution 可与 Mean、CDF 以及 RandomVariate 等函数联合使用.
背景
- MultivariateTDistribution[μ,Σ,ν] 表示一个支持在所有 -元组 集合上的连续多变量统计分布,并且对于 各个第 (单变量)边际分布满足 StudentTDistribution. 换言之,对于 , 中的各个变量满足 xkStudentTDistribution. 多变量 -分布由正实数 ν (指出分布的自由度)、实向量 μ (称作分布的“位置”)和正定对称矩阵 Σ (称作“尺度矩阵”)参数化,它们满足 nLength[μ]Length[Σ] 并定义分布的相关均值、方差和协方差. 双变量形式的 MultivariateTDistribution[Σ,ν] 等价于 MultivariateTDistribution[{0,…,0},Σ,ν] 并且有时也会被称作中心或几种多变量 -分布.
- 多变量 -分布的概率密度函数(PDF)有唯一的最大绝对值但可能有多个“顶点”(即相对最大值). 通常,对于较大的 值边际 PDF 呈代数而非指数降低,就此意义而言各个相关边际 PDF 的尾部是“胖的”. (这种行为可以通过分析这些边际分布的 SurvivalFunction 来获得定性的精确.)
- 多变量 -分布描述多正态对变量间协方差的比例特征. 历史上,很多备选分布曾被定义并拥有相同的特征,但不同于这里执行的这个. 如上所述定义的多变量 -分布在多变量贝叶斯分析中是一个很重要的工具,在包括作为多正态分布的后验分布和作为特定多变量回归模型中回归系数向量的边际后验分布等环境下有更多应用. 因此,多变量 -分布用于与贝叶斯推论有关的很多应用,也在包括投资组合优化、判别分析和聚类分析和多重判断问题在内的领域中作为工具获得应有.
- RandomVariate 可用于从一个多变量 -分布中给出一个或多个机器精度或任意精度(后者通过 WorkingPrecision 选项)随机变量. Distributed[x,MultivariateTDistribution[μ,Σ,ν]] ,更简洁地写作 xMultivariateTDistribution[μ,Σ,ν],可用于断言一个随机变量 x 符合多变量 -分布. 这样的断言可用于如 Probability、 NProbability、 Expectation 和 NExpectation 这样的函数.
- 多变量 -分布的概率密度和累积分布可以通过 PDF[MultivariateTDistribution[μ,Σ,ν],{x1,x2,…,xn}] 和 CDF[MultivariateTDistribution[μ,Σ,ν],{x1,x2,…,xn}] 给出. 均值、中位数、方差、协方差、原始矩和中心矩可以分别通过 Mean、 Median、 Variance、 Covariance、 Moment 和 CentralMoment 计算出.
- DistributionFitTest 可用于测试给定数据集是否符合多变量 -分布, EstimatedDistribution 可用于从给定数据中估计一个多变量 -参数分布,而 FindDistributionParameters 可用于拟合数据至一个多变量 -分布. ProbabilityPlot 可用于生成给定数据的 CDF 对符号化多重 -分布的 CDF 的图像,而 QuantilePlot 可用于生成给定数据的分位数对符号化多变量 -分布的分位数的图像.
- TransformedDistribution 可用于表示一个变形多变量 -分布,CensoredDistribution 可用于表示一个上限和下限之间的删节值的分布,而 TruncatedDistribution 可用于表示上限和下限之间的截尾值的分布. CopulaDistribution 可用于构建含有多变量 -分布的更高维的分布,而 ProductDistribution 可用于计算涉及多变量 -分布的有独立组分分布的联合分布.
- MultivariateTDistribution 与其他一些分布有关. MultivariateTDistribution 与 StudentTDistribution 关联,如上面所讨论的,MultivariateTDistribution 的一维边际有 StudentTDistribution,而各个多变量边际又是 MultivariateTDistribution 的实例. ν∞ 时 PDF[MultivariateTDistribution[{μ1,μ2},{{1,ρ},{ ρ,1}},ν],{x,y}] 的极限等价于PDF[MultinormalDistribution[{μ1,μ2},{{1,ρ},{ ρ,1}}],{x,y}],就此意义而言 MultivariateTDistribution 限于 MultinormalDistribution,又由于其与 MultinormalDistribution 的关系, MultivariateTDistribution 通过 TransformedDistribution 的方式与 LogMultinormalDistribution 相关. 由于其与单变量 StudentTDistribution 的关系, MultivariateTDistribution 也与 NoncentralStudentTDistribution、 FRatioDistribution、 NormalDistribution、 HalfNormalDistribution、 LogNormalDistribution、 PearsonDistribution、 CauchyDistribution 和 ChiSquareDistribution 相关.
范例
打开所有单元关闭所有单元范围 (9)
随着自由度趋向于 ,峰度趋向于 MultinormalDistribution 的峰度:
边缘分布服从 StudentTDistribution:
参数中保持一致地使用 Quantity 将给出 QuantityDistribution:
应用 (3)
用几何布朗运动模拟的股票价格的对数收益率被假定为服从正态分布. 此处我们将利用五个公司(GOOG、MSFT、FB、AAPL 和 INTC)在 2015 年的股价来进行验证:
将数据拟合到 MultinormalDistribution 并执行 KolmogorovSmirnovTest:
将数据拟合到 MultivariateTDistribution,并执行同样的检验:
属性和关系 (6)
当 ν 趋于 时,MultivariateTDistribution 是多元 t 分布的极限:
MultivariateTDistribution 等价于多元 T 核和学生 边缘的 CopulaDistribution:
可能存在的问题 (2)
文本
Wolfram Research (2010),MultivariateTDistribution,Wolfram 语言函数,https://reference.wolfram.com/language/ref/MultivariateTDistribution.html (更新于 2016 年).
CMS
Wolfram 语言. 2010. "MultivariateTDistribution." Wolfram 语言与系统参考资料中心. Wolfram Research. 最新版本 2016. https://reference.wolfram.com/language/ref/MultivariateTDistribution.html.
APA
Wolfram 语言. (2010). MultivariateTDistribution. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/MultivariateTDistribution.html 年