우리는 지난시간에 확률변수 T를 유도했습니다. T는 아래와 같습니다.
T=Z1√V√n
위 식에서 Z는 표준정규분포를 따르는 확률변수이고 V는 n자유도 카이제곱분포를 따르는 확률변수입니다. 이어서 우리는 Z와 V의 결합확률분포를 유도했습니다. 아래와 같습니다.
fZ,V(z,v)=1√2πe−12z21Γ(n2)2n2vn2−1e−v2
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=z1√v√n
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=√u√nt
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=∂h1∂tdt+∂h1∂udu
dv=∂h2∂tdt+∂h2∂udu
위 두식을 행렬형태로 바꾸면 아래와 같습니다.
[dzdv][∂h1dt∂h1du∂h2dt∂h2du][dtdu]
우변에 있는 행렬이 자코비안 행렬입니다. 자코비안은 자코비안의 행렬식이고 아래와 같습니다.
J=∂h1∂t∂h2∂u−∂h1∂u∂h2∂t
우리는 함수 h1과 h2를 알고 있습니다. 아래와 같습니다.
h1(t,u)=√u√nt
h2(t,u)=u
편미분을 계산해서 J를 구하면 아래와 같습니다 .
J=√u√n⋅1−(121√n1√n)⋅0
J=√u√n⋅1−(121√n1√n)⋅0=√u√n
위에서 변수변환했던 식을 다시 써봅시다.
fT,U(t,u)=fZ,V(z,v)|J|
J는 √u√n 이고, z는√u√nt 이고, v는 u 이므로 위 식은 아래와 같이 변형됩니다.
fT,U(t,u)=fZ,V(√u√nt,u) √u√n
fZ,V(z,v)는 아래와 같습니다.
fZ,V(z,v)=1√2πe−12z21Γ(n2)2n2vn2−1e−v2
유도하던 식에 대입합니다.
fT,U(t,u)=1√2πe−12(√u√nt)21Γ(n2)2n2un2−1e−u2√u√n
아래와 같이 정리합니다.
fT,U(t,u)=1√2πn1Γ(n2)2n2un2+1e−u2(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)=∫∞01√2πn1Γ(n2)2n2un2+1e−u2(t2n+1)du
적분과 무관한 항을 밖으로 꺼내줍니다.
ft(t)=1√2πn1Γ(n2)2n2∫∞0un2+1e−u2(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)=1√2πn1Γ(n2)2n2∫∞0un+12−1e−u2(t2n+1)du
적분 안의 수식에 아래 치환을 적용합니다.
α=n+12
λ=12(t2n+1)
유도하던 식을 치환하면 아래와 같습니다.
ft(t)=1√2πn1Γ(n2)2n2∫∞0uα−1e−uλdu
감마분포의 확률밀도함수는 아래와 같습니다.
λαΓ(α)xα−1e−xλ
적분 안의 수식을 감마분포로 만들기 위해 λαΓ(α) 를 곱하고 나눠줍니다.
ft(t)=1√2πn1Γ(n2)2n2∫∞0λαΓ(α)uα−1e−uλduΓ(α)λα
감마분포의 적분은 1이므로 아래와 같이 계산됩니다.
ft(t)=1√2πn1Γ(n2)2n2Γ(α)λα
치환했던 α와 λ를 원래 값으로 되돌립니다.
ft(t)=1√2πn1Γ(n2)2n2Γ(n+12)(12(t2n+1))n+12
아래와 같이 변형합니다.
ft(t)=Γ(n+12)Γ(n2)1√2πn12n22n+12(t2n+1)n+12
소거할 수 있는 항을 소거합니다.
ft(t)=Γ(n+12)Γ(n2)1√πn(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
'@선택과목1 > 손으로 푸는 t검정' 카테고리의 다른 글
[손으로 푸는 t검정] 5. t분포 유도과정 요약 (0) | 2023.04.07 |
---|---|
[손으로 푸는 t검정] 4. t분포 유도 (1) t통계량 변형 (6) | 2023.02.16 |
[손으로 푸는 t검정] 3. t분포의 아이디어 (1) | 2022.12.24 |
[손으로 푸는 t검정] 2. Z검정과 그 한계 (0) | 2022.12.24 |
[손으로 푸는 t검정] 1. 강의 소개 (0) | 2022.07.31 |
댓글
bigpicture님의
글이 좋았다면 응원을 보내주세요!
이 글이 도움이 됐다면, 응원 댓글을 써보세요. 블로거에게 지급되는 응원금은 새로운 창작의 큰 힘이 됩니다.
응원 댓글은 만 14세 이상 카카오계정 이용자라면 누구나 편하게 작성, 결제할 수 있습니다.
글 본문, 댓글 목록 등을 통해 응원한 팬과 응원 댓글, 응원금을 강조해 보여줍니다.
응원금은 앱에서는 인앱결제, 웹에서는 카카오페이 및 신용카드로 결제할 수 있습니다.