Vorrei calcolare la convoluzione di due distribuzioni di probabilità in R e ho bisogno di aiuto. Per semplicità, diciamo che ho una variabile x che è normalmente distribuita con media = 1.0 e stdev = 0.5, e che è log-normalmente distribuita con media = 1.5 e stdev = 0.75. Voglio determinare z = x + y. Capisco che la distribuzione di z non è nota a priori.Aggiunta di due variabili casuali tramite convoluzione in R
Per inciso, l'esempio del mondo reale su cui sto lavorando richiede l'aggiunta di due variabili casuali distribuite in base a diverse distribuzioni.
Qualcuno sa come aggiungere due variabili casuali convolutando le funzioni di densità di probabilità di x e y?
Ho provato a generare n valori casuali distribuiti normalmente (con i parametri precedenti) e li ho aggiunti a n valori logici distribuiti normalmente. Tuttavia, vorrei sapere se posso usare invece il metodo di convoluzione. Qualsiasi aiuto sarebbe molto apprezzato.
EDIT
Grazie di queste risposte. Definisco un pdf e provo a fare l'integrale di convoluzione, ma R si lamenta del passaggio di integrazione. Le mie PDF sono Log Pearson 3 e sono i seguenti
dlp3 <- function(x, a, b, g) {
p1 <- 1/(x*abs(b) * gamma(a))
p2 <- ((log(x)-g)/b)^(a-1)
p3 <- exp(-1* (log(x)-g)/b)
d <- p1 * p2 * p3
return(d)
}
f.m <- function(x) dlp3(x,3.2594,-0.18218,0.53441)
f.s <- function(x) dlp3(x,9.5645,-0.07676,1.184)
f.t <- function(z) integrate(function(x,z) f.s(z-x)*f.m(x),-Inf,Inf,z)$value
f.t <- Vectorize(f.t)
integrate(f.t, lower = 0, upper = 3.6)
R lamenta all'ultimo passo in quanto la funzione f.t è delimitata ed i miei limiti di integrazione non sono probabilmente corrette. Qualche idea su come risolvere questo?
Vi suggerisco di controllare il [pacchetto Distr] (http://cran.r-project.org/web/packages/distr/index.html) o almeno prendere un rapido sguardo a Il [vignetta ] (http://cran.r-project.org/web/packages/distr/vignettes/newDistributions.pdf). Penso che sia esattamente quello che stai cercando. Anche se la strategia che hai usato per generare valori casuali è perfettamente valida. – MrFlick