यह एक कठिन समस्या है। मैंने सबसे पहले सोचा (कुछ सन्निकटन) उपयोग करने के बारे में सोचा कि इस कार्य का वितरण सामान्य कार्य है। यह काम नहीं करता है, जैसा कि मैं समझाऊंगा। लेकिन पहले कुछ संकेतन:
आज्ञा दें मानक सामान्य घनत्व हो और इसी संचयी वितरण फ़ंक्शन। हम केवल केस डिस्ट्रीब्यूशन का विश्लेषण करेंगे , जिसमें घनत्व फ़ंक्शन
और संचयी वितरण फ़ंक्शन
मान लीजिए कि और उपरोक्त लॉगनॉर्मल वितरण के साथ स्वतंत्र यादृच्छिक चर हैं। हम के वितरण में रुचि रखते हैं , जो औसत शून्य के साथ एक सममित वितरण है। चलो के क्षण पैदा समारोह होΦ एल एन एन ( 0 , 1 ) च ( एक्स ) = 1φΦएल एन एन(0,1)F(x)=l(lnx)XYD=X-YM(t)=EetXXt∈(-∞,0]DMD(t)=Eet(X-Y)=EetX
f(x)=12π−−√xe−12(lnएक्स)2
एफ( x ) = Φ ( lnx )
एक्सYडी = एक्स- वाईएम( t ) = ईईटी एक्सएक्स। यह केवल के लिए परिभाषित किया गया है ।, तो एक खुला अंतराल शून्य युक्त में परिभाषित नहीं के लिए पल पैदा समारोह है । इसलिए, लिए क्षण उत्पन्न करने वाला कार्य केवल लिए परिभाषित किया गया , इसलिए बहुत उपयोगी नहीं है।
टी ∈ ( - ∞ , 0 ]डीडी टी = ०एमडी( t ) = ईईटी ( एक्स)- वाई)= ईईटी एक्सएई- टी वाई= एम( t ) एम( - टी )डीt = 0
इसका मतलब है कि के वितरण के लिए अनुमान लगाने के लिए हमें कुछ और प्रत्यक्ष दृष्टिकोण की आवश्यकता होगी । मान लीजिए कि , गणना
(और मामला सममिति द्वारा हल किया जाता है, हमें ) मिलता है। टी ≥ 0 पी ( डी ≤ टी )डीt ≥ ०
पी( डी ≤ टी )= पी( एक्स)- वाई≤ टी )= ∫∞0पी( एक्स)- y≤ टी | Y= य) च( y)घy= ∫∞0पी( एक्स)≤ टी + y) च( y)घy= ∫∞0एफ( t + y) च( y)घy
t < ०पी( डी ≤ टी ) = 1 - पी( डी ≤ | टी | )
इस अभिव्यक्ति का उपयोग संख्यात्मक एकीकरण के लिए या अनुकरण के लिए आधार के रूप में किया जा सकता है। पहले एक परीक्षण:
integrate(function(y) plnorm(y)*dlnorm(y), lower=0, upper=+Inf)
0.5 with absolute error < 2.3e-06
जो स्पष्ट रूप से सही है। आइए इसे एक फंक्शन के अंदर लपेटें:
pDIFF <- function(t) {
d <- t
for (tt in seq(along=t)) {
if (t[tt] >= 0.0) d[tt] <- integrate(function(y) plnorm(y+t[tt])*dlnorm(y),
lower=0.0, upper=+Inf)$value else
d[tt] <- 1-integrate(function(y) plnorm(y+abs(t[tt]))*dlnorm(y),
lower=0.0, upper=+Inf)$value
}
return(d)
}
> plot(pDIFF, from=-5, to=5)
जो देता है:
फिर हम अभिन्न संकेत के तहत विभेदन करके घनत्व फ़ंक्शन को प्राप्त कर सकते हैं, प्राप्त कर सकते हैं
dDIFF <- function(t) {
d <- t; t<- abs(t)
for (tt in seq(along=t)) {
d[tt] <- integrate(function(y) dlnorm(y+t[tt])*dlnorm(y),
lower=0.0, upper=+Inf)$value
}
return(d)
}
जो हम परीक्षण कर सकते हैं:
> integrate(dDIFF, lower=-Inf, upper=+Inf)
0.9999999 with absolute error < 1.3e-05
और हमें मिलने वाले घनत्व की साजिश रचते हुए:
plot(dDIFF, from=-5, to=5)
मैंने कुछ विश्लेषणात्मक अनुमान लगाने की भी कोशिश की, लेकिन अभी तक यह सफल नहीं हुआ, यह एक आसान समस्या नहीं है। लेकिन ऊपर के रूप में संख्यात्मक एकीकरण, आधुनिक हार्डवेयर पर आर में क्रमादेशित बहुत तेजी से है, इसलिए एक अच्छा विकल्प है जिसे संभवतः बहुत अधिक उपयोग किया जाना चाहिए।