Processing math: 100%
본문 바로가기
@선택과목1/손으로 푸는 t검정

[손으로 푸는 t검정] 4. t분포 유도 (2) 유도

by bigpicture 2023. 3. 29.
반응형

우리는 지난시간에 확률변수 T를 유도했습니다. T는 아래와 같습니다. 

T=Z1Vn

위 식에서 Z는 표준정규분포를 따르는 확률변수이고 V는 n자유도 카이제곱분포를 따르는 확률변수입니다. 이어서 우리는 Z와 V의 결합확률분포를 유도했습니다. 아래와 같습니다. 

fZ,V(z,v)=12πe12z21Γ(n2)2n2vn21ev2

오늘은 위 분포를 이용해서 t분포를 유도할겁니다. 확률변수의 변수변환이라는 테크닉을 사용할 건데요. 먼저 유도 아이디어를 간단히 설명하겠습니다. 크게 두 단계로 구분됩니다. 

1) fZ,V(z,v)를 변수변환하여 fT,U(t,u) 를 유도
2) fT,U(t,u) 를 u에 대해 적분하여 fT(t)를 유도함

이 과정에서 아래와 같은 통계지식들이 사용됩니다. 수리통계학 책에 나오는 지식들입니다. 

- 확률변수의 변수변환
- 전미분공식
- 자코비안
- 주변확률분포

각각을 자세히 설명하면 강의가 너무 길어지기 때문에 수학적 사전지식을 자세히 다루지는 않겠습니다. 1단계부터 공부해봅시다. 

 

1) fZ,V(z,v)를 변수변환하여 fT,U(t,u) 를 유도

우리는 (z,v) 를 (t,u)로 변환할 것입니다. 이변량분포의 변수변환을 적용하면 아래와 같습니다. 

fT,U(t,u)=fZ,V(z,v)|J|

(이변량분포의 변수변환 원리가 궁금한 분들은 링크를 참고하세요. )

위 식에서 J는 자코비안인데요. 자코비안은 자코비안 행렬의 행렬식을 말합니다. 자코비안 유도과정만 간단히 다루겠습니다. 

위 식의 변수들 사이의 관계식은 아래와 같습니다. 

t=z1vn

u=v

u라는 변수는 의도적으로 설정한 변수입니다. 위 식을 아래와 같이 함수 기호를 사용하여 나타낼 수 있습니다. 

t=g1(z,v)

u=g2(z,v)

g1과 g2함수 둘 다 일대일함수입니다. 증명은 생략하겠습니다. 일대일함수이므로 아래와 같은 역관계도 존재합니다. 

z=h1(t,u)

v=h2(t,u)

위 함수를 수식으로 나타내면 아래와 같습니다. 

z=unt

v=u

다시 아래 두 식으로 돌아갑시다. 

z=h1(t,u)

v=h2(t,u)

위 식에 전미분공식을 적용합시다. (전미분공식 유도가 궁금한 분들은 링크를 참고하세요. )

dz=h1tdt+h1udu

dv=h2tdt+h2udu

위 두식을 행렬형태로 바꾸면 아래와 같습니다. 

[dzdv][h1dth1duh2dth2du][dtdu]

우변에 있는 행렬이 자코비안 행렬입니다. 자코비안은 자코비안의 행렬식이고 아래와 같습니다. 

J=h1th2uh1uh2t

우리는 함수 h1과 h2를 알고 있습니다. 아래와 같습니다.

h1(t,u)=unt

h2(t,u)=u

편미분을 계산해서 J를 구하면 아래와 같습니다 .

J=un1(121n1n)0

J=un1(121n1n)0=un

위에서 변수변환했던 식을 다시 써봅시다. 

fT,U(t,u)=fZ,V(z,v)|J|

J는 un 이고, z는unt 이고, v는 u 이므로 위 식은 아래와 같이 변형됩니다. 

fT,U(t,u)=fZ,V(unt,u) un

fZ,V(z,v)는 아래와 같습니다. 

fZ,V(z,v)=12πe12z21Γ(n2)2n2vn21ev2

유도하던 식에 대입합니다. 

fT,U(t,u)=12πe12(unt)21Γ(n2)2n2un21eu2un

아래와 같이 정리합니다. 

fT,U(t,u)=12πn1Γ(n2)2n2un2+1eu2(t2n+1)

2) fT,U(t,u) 를 u에 대해 적분하여 fT(t)를 유도함

u를 전체 구간에 대해 적분하면 t의 분포가 계산됩니다. 수리통계학 내용 중 주변확률분포에 해당됩니다. u는 v와 같은데, v는 카이제곱분포를 따르므로 적분 구간은 0부터 무한대입니다. 위 식을 u로 적분합시다. 

ft(t)=012πn1Γ(n2)2n2un2+1eu2(t2n+1)du

적분과 무관한 항을 밖으로 꺼내줍니다. 

ft(t)=12πn1Γ(n2)2n20un2+1eu2(t2n+1)du

위 적분을 계산할 때 감마분포라는 것을 사용할 것입니다. 감마분포가 무엇인지 잘 몰라도 충분히 이해할 수 있습니다. 어떤 확률분포함수를 전체 구간에 대해 적분하면 1이 나온다는 사실만 알면 됩니다. 

위 식의 적분 안을 아래와 같이 변형합니다. u의 지수부분을 변형했습니다. 

ft(t)=12πn1Γ(n2)2n20un+121eu2(t2n+1)du

적분 안의 수식에 아래 치환을 적용합니다. 

α=n+12

λ=12(t2n+1)

유도하던 식을 치환하면 아래와 같습니다. 

ft(t)=12πn1Γ(n2)2n20uα1euλdu

감마분포의 확률밀도함수는 아래와 같습니다. 

λαΓ(α)xα1exλ

적분 안의 수식을 감마분포로 만들기 위해 λαΓ(α) 를 곱하고 나눠줍니다. 

ft(t)=12πn1Γ(n2)2n20λαΓ(α)uα1euλduΓ(α)λα

감마분포의 적분은 1이므로 아래와 같이 계산됩니다. 

ft(t)=12πn1Γ(n2)2n2Γ(α)λα

치환했던 α와 λ를 원래 값으로 되돌립니다. 

ft(t)=12πn1Γ(n2)2n2Γ(n+12)(12(t2n+1))n+12

아래와 같이 변형합니다. 

ft(t)=Γ(n+12)Γ(n2)12πn12n22n+12(t2n+1)n+12

소거할 수 있는 항을 소거합니다. 

ft(t)=Γ(n+12)Γ(n2)1πn(1+t2n)n+12

t분포를 유도했습니다. 

 

 

 

#참고문헌

1. 수리통계학 (호그)
2. https://math.stackexchange.com/questions/474733/derivation-of-the-density-function-of-student-t-distribution-from-this-big-integ

반응형

댓글

bigpicture님의
글이 좋았다면 응원을 보내주세요!