Täthet för en multivariat normalfördelning

Multivariata sannolikhetsfördelningar i R

Surajit Ray

Professor, University of Glasgow

Varför beräkna tätheten för en fördelning?

Univariat normalfunktion dnorm() normal

Sannolikhetstäthet för en bivariat normal

Standard bivariat normal med $$ \mu = \begin{pmatrix} 0 \\ 0 \end{pmatrix} , \Sigma = \begin{pmatrix} 1 & 0 \\ 0 & 1 \end{pmatrix} $$ animation

dmvnorm()-funktionen

Tätheter beräknade på flera punkter (xy-koordinater)

density

Täthet med dmvnorm

library(mvtnorm)
dmvnorm(x, mean, sigma)

x kan vara en radvektor eller en matris

mu1 <- c(1, 2)
sigma1 <- matrix(c(1, .5, .5, 2), 2)
dmvnorm(x = c(0, 0), mean = mu1, sigma = sigma1)

0.0384

Täthet i flera punkter med dmvnorm

x <- rbind(c(0, 0), c(1, 1), c(0, 1)); x

[1,]    0    0
[2,]    1    1
[3,]    0    1

dmvnorm(x = x, mean = mu, sigma = sigma)

[1] 0.0384 0.0904 0.0679

Rita bivariata tätheter med perspektivplot

Steg:

Skapa ett rutnät med $x$- och $y$-koordinater
Beräkna tätheten på rutnätet

Rita bivariata tätheter med perspektivplot

Steg:

Skapa ett rutnät med $x$- och $y$-koordinater
Beräkna tätheten på rutnätet
Konvertera tätheterna till en matris
Skapa perspektivplot med funktionen persp()

Kod för att rita bivariata tätheter

# Create grid
d <- expand.grid(seq(-3, 6, length.out = 50 ), seq(-3,  6, length.out = 50))                   

# Calculate density on grid
dens1 <- dmvnorm(as.matrix(d), mean=c(1,2), sigma=matrix(c(1, .5, .5, 2), 2))

# Convert to matrix 
dens1 <-  matrix(dens1, nrow = 50 )

# Use perspective plot
persp(dens1, theta = 80, phi = 30, expand = 0.6, shade = 0.2, col = "lightblue", xlab = "x", ylab = "y", zlab = "dens")

Ändra vyvinkel i perspektivplot

persp() med theta = 30, phi = 30

persp() med theta = 80, phi = 10

Nu kör vi en övning!

Multivariata sannolikhetsfördelningar i R