การแจกแจงความน่าจะเป็นหลายตัวแปรใน R
Surajit Ray
Professor, University of Glasgow
| การแจกแจง | พารามิเตอร์ตำแหน่ง | พารามิเตอร์สเกล |
|---|---|---|
| Normal | mean |
sigma |
| t | delta |
sigma |
| Skew-normal | xi |
Omega |
| Skew-t | xi |
Omega |
| การแจกแจง | พารามิเตอร์ตำแหน่ง | พารามิเตอร์สเกล | ดีกรีแห่งอิสระ |
|---|---|---|---|
| Normal | mean |
sigma |
ไม่มี |
| t | delta |
sigma |
มี |
| Skew-normal | xi |
Omega |
ไม่มี |
| Skew-t | xi |
Omega |
มี |
การเปรียบเทียบ
Normal มาตรฐาน
t ที่มีค่า df ต่างกัน

หางอ้วนกว่าที่จุดตัดเดียวกัน
$P(X< - 1.96 \text{ or } X > 1.96)$
| การแจกแจง | ความน่าจะเป็น |
|---|---|
| Normal | 0.05 |
| t(df=1) | 0.3 |
| t(df=8) | 0.0857 |
| t(df=20) | 0.0641 |
| t(df=30) | 0.0593 |

เป็นการขยายการแจกแจง t ของ Student แบบตัวแปรเดียว
$$t_{df}(\delta, \Sigma ) $$
${\mu}=\delta={\begin{pmatrix} 1 \\ 2 \end{pmatrix}},\quad { \Sigma }={\begin{pmatrix} 1 & 0.5 \\ 0.5 & 2 \end{pmatrix}}$
เส้นชั้นของ t ที่ df = 3

${\begin{matrix} ~ \\ ~ \end{matrix}}$
เส้นชั้นของ bivariate normal

rmvt(n, delta, sigma, df)dmvt(x, delta, sigma, df)qmvt(p, delta, sigma, df)pmvt(upper, lower, delta, sigma, df)การสุ่มตัวอย่าง
สร้างตัวอย่างจากการแจกแจง t แบบ 3 มิติ โดยที่ $ \delta= \begin{pmatrix} 1 \\ 2 \\ -5 \end{pmatrix} ,~~\Sigma={\begin{pmatrix} 1 & 1 & 0 \\ 1 & 2 & 0 \\ 0 & 0 & 5 \end{pmatrix}}, ~~df = 4.$
# Specify delta and sigma
delta <- c(1, 2, -5)
sigma <- matrix(c(1, 1, 0,
1, 2, 0,
0, 0, 5), 3, 3)
# Generate samples
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
การแจกแจง t ที่มีดีกรีแห่งอิสระ 4

การแจกแจง normal

การแจกแจง t ที่มีดีกรีแห่งอิสระ 10

การแจกแจง normal

การแจกแจงความน่าจะเป็นหลายตัวแปรใน R