Lois de probabilité multivariée en R
Surajit Ray
Professor, University of Glasgow
| Distribution | Paramètre de position | Paramètre d'échelle |
|---|---|---|
| Normale | mean |
sigma |
| t | delta |
sigma |
| Normale asymétrique | xi |
Omega |
| t asymétrique | xi |
Omega |
| Distribution | Paramètre de position | Paramètre d'échelle | Degrés de liberté |
|---|---|---|---|
| Normale | mean |
sigma |
Non |
| t | delta |
sigma |
Oui |
| Normale asymétrique | xi |
Omega |
Non |
| t asymétrique | xi |
Omega |
Oui |
Comparaison
Normale standard
t avec différents df

Queues plus épaisses pour le même seuil
$P(X< - 1.96 \text{ ou } X > 1.96)$
| Distribution | Probabilité |
|---|---|
| Normale | 0,05 |
| t(df=1) | 0,3 |
| t(df=8) | 0,0857 |
| t(df=20) | 0,0641 |
| t(df=30) | 0,0593 |

Généralisation de la loi t de Student univariée
$$t_{df}(\delta, \Sigma ) $$
${\mu}=\delta={\begin{pmatrix} 1 \\ 2 \end{pmatrix}},\quad { \Sigma }={\begin{pmatrix} 1 & 0.5 \\ 0.5 & 2 \end{pmatrix}}$
Lignes de niveau d'une t avec df = 3

${\begin{matrix} ~ \\ ~ \end{matrix}}$
Lignes de niveau d'une normale bivariée

rmvt(n, delta, sigma, df)dmvt(x, delta, sigma, df)qmvt(p, delta, sigma, df)pmvt(upper, lower, delta, sigma, df)Générer des échantillons
Générez des échantillons d'une t en 3 dimensions avec $ \delta= \begin{pmatrix} 1 \\ 2 \\ -5 \end{pmatrix} ,~~\Sigma={\begin{pmatrix} 1 & 1 & 0 \\ 1 & 2 & 0 \\ 0 & 0 & 5 \end{pmatrix}}, ~~df = 4.$
# Préciser delta et sigma
delta <- c(1, 2, -5)
sigma <- matrix(c(1, 1, 0,
1, 2, 0,
0, 0, 5), 3, 3)
# Générer des échantillons
t.sample <- rmvt(n = 2000, delta = delta, sigma = sigma, df = 4)
head(t.sample,4)
[,1] [,2] [,3]
[1,] -1.256 -1.518 -12.340
[2,] 1.479 1.908 -7.647
[3,] -0.152 1.357 -9.011
[4,] 1.938 2.531 -4.534
Loi t avec 4 degrés de liberté

Loi normale

Loi t avec 10 degrés de liberté

Loi normale

Lois de probabilité multivariée en R